Biological methane potentials of food waste of different components: Methane yields, production kinetics, and element balance
Notice bibliographique
Résumé
• FW components exert significant impact on FW methane yield. • HPLFW feeds showed significantly higher CH 4 yield than HCFW feeds. • FW CH 4 production can be described by a modified two-component kinetic model. • Element formula of organic content of FW were determined. This study assessed the methane production from food waste (FW) with dominant components of Meat (MFW), Fruit &Veg (VFW), Grain (GFW), Dairy (DFW), and the mixed feed of these components (MixFW). The high protein and lipid content FW (HPLFW) of MFW, DFW, and MixFW showed the methane yields of 337.0 ± 3.0, 307.4 ± 0.8, and 297.1 ± 1.2 ml-CH 4 /gCOD, respectively, while those for the high carbohydrate content FW (HCFW) of VFW and GFW were 238.3 ± 1.2 and 171.2 ± 0.3 ml-CH 4 /gCOD, respectively. A modified two-component kinetic (MTK) model was demonstrated to be the best to describe the methane production kinetics of both HPLFW and HCFW types of feeds. The element balance analysis revealed the element formula of the FW feeds and the methane-conversion organic content. The results obtained from this study showed that the high lipid and animal protein content increased the methane yield and biogas methane composition.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».