Notice bibliographique
Résumé
Background and objectives: Natural plant-assisted filtration is a convenient method in addition to having a low cost, easy manipulation, low technology and less energy consumption compared to other purification methods.One of specific plants for wastewater treatment is the vetiver plant.Nowadays, subsurface wetland is not only used for major wastewater and sewage pollutants but also for such special compounds as linear alkyl benzene sulfonates (LAS).This study aimed to determination of vetiver plants efficiency in the artificial wetland for removal leanr alkylbenzene sulfonate(LAS) from hospital laundry wastewater.Materials and methods: In this qualitative-analytical study, various parameters such as LAS, COD, BOD, phosphate and nitrate in the hospital wastewater and LAS content of laundry unit sewage (LAS) were measured before and after treatment with vetiver plant.All conditions for sampling and performing other tests were based on the Standard Method handbook guidelines.After different tests, the results were analyzed by SPSS and Excel software.Results: Results of BOD, COD, LAS, phosphate and nitrate concentrations in the clarifier effluent of hospital WWTP, effluent of vetiver pilot outflow, and control pilot showed that the highest post-treatment efficiencies of vetiver plant for the removal of LAS BOD, COD, phosphate and nitrate of the WWTP were 70, 73, 84, 33, and 44%, respectively.However, removal efficiencies of 40, 30, 22, 23 and 16%, respectively, were obtained for the same parameters in the control pilot without the plant.Discussion and conclusion: Overall, our study showed that vetiver plant's root in reducing the LAS and pollutants in effluent of the hospital WWTP was much more efficient than filtration and overland treatment.Also, the effluent of vetiver plant pilot had an appropriate filtration and certified for environmental wastewater discharge.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,883 | 0,920 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».