MétaCan
Menu
Retour à la cohorte
Enregistrement W4404639025 · doi:10.3390/agriculture14122113

Enhancing Agricultural Biogas Desulfurization: Improving Cost-Efficiency and Robustness Through Micro-Aeration with Psychrophilic Anaerobic Liquid/Solid Media

2024· article· en· W4404639025 sur OpenAlexaff
Rajinikanth Rajagopal, Bernard Goyette

Notice bibliographique

RevueAgriculture · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésBiogasPulp and paper industryAnaerobic digestionWaste managementHydrogen sulfideAerationMethaneChemical oxygen demandEnvironmental scienceFlue-gas desulfurizationManureChemistrySulfurEnvironmental engineeringSewage treatmentAgronomyEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

This study endeavors to develop an economical and user-friendly biological sulfide oxidation system and explore its mechanism for generating biological elemental sulfur under micro-aerobic conditions using psychrophilic anaerobically digested media (liquid/solid inoculums obtained from agricultural livestock wastes) for sulfide-free biogas production. With an initial hydrogen sulfide concentration of 5000 ppm, a biogas flow rate ranging from 0.9 to 1.8 L/h-Linoculum-mix, and an air injection rate of 0.6–1% (oxygen concentration in biogas), a remarkable biodesulfurization efficiency of 99–100% was attained using solid inoculum as the biodesulfurization medium. This efficiency was achieved without compromising the methane quality in the treated biogas. Compared to liquid inoculum, solid inoculum requires less than half the volume and no mixing equipment, such as bubble column reactors. The biodesulfurization reactor requires only 1 m3, which is approximately 1.5% of the volume of a wet anaerobic digester and 3% of a dry anaerobic digester, while processing cow manure (Total Solids: 20%) at 1.03 m3 of manure per day. Moreover, it can be operated at (19–20 °C), leading to substantial reductions in cost and footprint.

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 candidatesaucune
Catégories consensuellesaucune
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 enseignants0,057
Score d'incertitude au seuil0,719

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,203
Écart entre enseignants0,197 · 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; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207