MétaCan
Menu
Retour à la cohorte
Enregistrement W4415703628 · doi:10.2166/wst.2025.155

Review of full-scale advanced anaerobic digestion in North America

2025· article· en· W4415703628 sur OpenAlexaffabout
Farokh Laqa Kakar, Ahmed El-Sayed, Andrew H. Marcus, mahdis zareie, John Norton, Kevin A. Jankowski, Christopher Cox, Matthew Seib, Chris Peot, T. F. Morse, diana smillova, Chris Müller, Elsayed Elbeshbishy

Notice bibliographique

RevueWater Science & Technology · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAnaerobic Digestion and Biogas Production
Établissements canadiensToronto Zoo
Organismes subventionnairesnon disponible
Mots-clésBiosolidsAnaerobic digestionSewerageBiogasMetropolitan areaResource recoveryEffluentWater quality

Résumé

récupéré en direct d'OpenAlex

This study presents a comprehensive analysis of the distribution and performance of advanced anaerobic digestion (AD) technologies across the United States and Canada. The study reveals that temperature-phased anaerobic digestion is the most prevalent technology, with 20 water resource recovery facilities (WRRFs) adopting it, followed by acid-methane AD and thermal hydrolysis process. The distribution analysis indicates that 59% of the projects have a plant capacity of 40-400 million liters per day, and 30% of the projects have more than 20 AD reactors. The biosolids classification shows that Class A biosolids constitute 45%, while Class B biosolids make up 51% of these projects. Case studies from Madison Metropolitan Sewerage District, City of St Petersburg, City of Montpelier WRRF, Metro Water Recovery, and DC Water highlight the financial impacts, including cost savings and increased revenue from high-strength biosolids. The findings underscore the variability in the effectiveness of AD technologies and the importance of cost and operational efficiencies in technology selection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,009
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,004
Tête enseignante GPT0,217
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations1
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetAnaerobic Digestion and Biogas ProductionTravaux en français237 207