The wastewater treatment plant operation estimation through the use of the water quality index – the case study of WWTP-Montana, Bulgaria
Notice bibliographique
Résumé
Wastewater treatment plants (WWTPs) are designed to treat the used water by improving its quality, so it is no longer harmful to the environment when discharged. The long-term mandatory monitoring of wastewater produces large amounts of data. It can be converted to a unitless number – the Water Quality Index (WQI) and used to assess the wastewater quality by checking compliance with the set regulations. It has gained increasing popularity among decision-makers, wastewater professionals, and environmental agencies. Operation assessment of the WWTP-Montana for a period of 12 years (2011-2022) was performed using the Canadian Council of Ministers Water Quality Index (CCME WQI) calculation for the raw water (influent) and the treated water (effluent) of the WWTP and applying time series analysis of CCME WQI and water quality indicators – chemical oxygen demand (COD), biochemical oxygen demand after 5 days (BOD5), total nitrogen (TN), total phosphorus (TP) and total suspended solids (TSS) in the influent. For the entire period, the calculated CCME WQI for the treated waters shows the perfect score of 100 (excellent water quality). The calculated CCME WQI at the inlet, on the other hand, classifies the raw water’s quality as “poor” (64% of the CCME WQI values), “marginal” (32%) and “fair” (4%). The time series analysis reveal that higher water quality of the inlet wastewater is detected in summer (August) due to the lower concentrations of the five mandatory physicochemical indicators.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».