MétaCan
Menu
Retour à la cohorte
Enregistrement W4403036064 · doi:10.3390/w16192798

A Novel Algal–Algal Microbial Fuel Cell for Enhanced Chemical Oxygen Demand Removal

2024· article· en· W4403036064 sur OpenAlexaff
Yuting Zhang, Kai Cheng, Hong Mei, Wensheng Qin

Notice bibliographique

RevueWater · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensLakehead University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésChemical oxygen demandMicrobial fuel cellOxygenEnvironmental scienceBiochemical oxygen demandWaste managementPulp and paper industryChemistryEnvironmental engineeringSewage treatmentEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

To enhance the removal of COD (Chemical Oxygen Demand) by microalgae, this study constructed a novel microalgae–microalgae microbial fuel cell system (AA-MFC). It investigated the coupling relationship between the COD treatment efficiency at the anode and the production of high-value microalgal products at the cathode, as well as explored the effects of different initial inoculum densities and light–dark cycles. The experiment first measured the operational performance of the newly constructed AA-MFC in open-circuit and closed-circuit modes, demonstrating that this novel AA-MFC could start up rapidly within 32 h and operate stably. The results showed that the AA-MFC enhanced the removal of COD and the growth of microalgae biomass at the anode while maintaining stable power generation. When the initial inoculation density of the anode was 1.2 × 108 cell/cm2 and the light–dark cycle time was 18:6 h, the AA-MFC had the most obvious promoting effect on the COD removal of the anode. Compared with normal culture conditions, the COD removal rate increased by 26.0% to 96.1%. These results indicate that the AA-MFC can not only effectively remove pollutants, but also promote the accumulation of high-value microalgae biomass.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,138
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,199
Écart entre enseignants0,192 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207