Electro-membrane bioreactor for the treatment of landfill leachate: Effect of SRT, HRT and current density on contaminant removal and membrane fouling
Notice bibliographique
Résumé
The coupling of membrane bioreactor (MBR) with electrocoagulation (EC) in a submerged single reactor (E-MBR) is proposed for the treatment of landfill leachate (LFL) over a 240-days continuous operation. The E-MBR was designed to simultaneously remove total phosphorus (P tot ) (50 ± 12 mg·L −1 ), ammonia nitrogen (N-NH 4 + ) (351 ± 20 mg·L −1 ), chemical oxygen demand (COD) (3409 ± 394 mg·L −1 ), and recalcitrant residual organics. The lab-scale aerobic E-MBR was comprised of two electrodes (Fe-anode and Ti/Pt-cathode) immersed in the mixed liquor of a hollow fiber membrane bioreactor (0.04 μm pore size). The effects of current densities (CD) (2.2, 4.5 and 9.1 A·m −2 ), hydraulic retention time (HRT) (24 h and 16 h), and solid retention time (SRT) (30 days and infinite) on pollutant's removal and membrane clogging were evaluated. The best performance for pollutants removal was obtained in E-MBR-3, operated at a CD of 9.1 A·m −2 , HRT of 24 h and SRT of 30d, with removal percentages of 90 %, 97 %, and ≈100 % for N-NH 4 + , COD and P tot , respectively. However, when HRT was reduced to 16 h (E-MBR-4), N-NH₄ + removal efficiency declined significantly from 90 % to 58 %, despite maintaining the same current density, highlighting the critical role of HRT in nitrification performance. Furthermore, prolonged SRT was found to accelerate membrane clogging, emphasizing the importance of optimizing SRT in E-MBR to mitigate fouling. This study provides valuable insights into the interactions between SRT, HRT, Fe coagulant dosage, and membrane performance in submerged E-MBRs. • E-MBR demonstrated excellent COD, nitrogen and phosphorus removal for LFL treatment. • Iron coagulants increased flocs size and avoided blockage of membrane pores. • Lower SRT and higher CD in E-MBR favoured COD removal and reduced membrane fouling. • Phosphorus was completely precipitated by iron coagulants released from electrodes. • E-MBR also assisted in recalcitrant organics removal.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 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 ».