MétaCan
Menu
Retour à la cohorte
Enregistrement W7039490587

Mass transport and fouling of novel forward osmosis thin-film composite membranes

2019· dissertation· en· W7039490587 sur OpenAlexfundno aff

Notice bibliographique

RevueUniversitat de Girona Digital Repository (Universitat de Girona) · 2019
Typedissertation
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesEuropean Regional Development FundCanadian Institute for Advanced Research
Mots-clésForward osmosisMembraneFoulingContext (archaeology)Reverse osmosisMass transferThin-film composite membranePermeability (electromagnetism)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Forward osmosis (FO) is known to be particularly efficient at treating impaired water sources with a high fouling potential. In the context of water reuse FO is being introduced as a robust pre-treatment process, usually as a first barrier prior to a reverse osmosis (RO) step. The commercialisation of FO however hinges on the development higher permeability membranes and a recent breakthrough came with the introduction of thin-film composite (TFC) membranes. While promising state-of-the-art TFC membranes have been successfully fabricated and tested at the pilot-scale, their performance in FO is yet to be determined by comprehensive characterisation under the changed, elevated transmembrane water flux conditions. In this thesis mass transport through novel TFC membranes was initially studied and modelled using two FO-only characterisation methods. Alginate fouling in novel TFC membranes was then examined under different driving forces.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,007
Tête enseignante GPT0,194
Écart entre enseignants0,187 · 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.

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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUniversitat de Girona Digital Repository (Universitat de Girona)Même sujetMembrane Separation TechnologiesTravaux en français237 207