MétaCan
Menu
← Retour à la cohorte
Enregistrement W7044185354

Utilisation du chitosane et de l'alun dans le traitement des eaux potables

2007· other· fr· W7044185354 sur OpenAlexaboutno aff

Notice bibliographique

RevueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2007
Typeother
Languefr
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLimitingWork (physics)Filter (signal processing)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

L'utilisation des sels minéraux et des polymères synthétiques dans le traitement des eaux potables, suscite des inquiétudes quant à leurs conséquences sur la santé humaine et l'environnement. Aujourd'hui, le génie de l'environnement pense à la substitution de ces coagulants conventionnels par des coagulants naturels moins néfastes à l'humanité. La présente étude vise à vérifier l'efficacité du chitosane comme coagulant dans la filière coagulation-floculation-décantation-filtration pour le traitement des eaux potables, et ce, en comparaison avec l'alun en tant que coagulant conventionnel. Ce polymère d'origine naturelle, obtenu à partir des carapaces de crustacés, offre des propriétés de non-toxicité et de biocompatibilité avantageuses pour le présenter comme un substitut potentiel des coagulants synthétiques et minéraux. Cette recherche consiste à déterminer, à l'aide des essais jar test, les dosages optimaux d'utilisation du chitosane et son efficacité par rapport à l'alun qui est actuellement le coagulant le plus utilisé dans le traitement des eaux. L'interaction du chitosane et de l'alun est aussi étudiée en mélange successif et en mélange simultané. L'eau traitée par ces différents coagulants est ensuite filtrée sur une colonne de sable monocouche en filtration directe et en filtration conventionnelle. La qualité de l'eau filtrée est comparée aux normes exigées pour la qualité de l'eau potable en ce qui concerne la turbidité, le COT et le pH. Les résultats obtenus montrent que le chitosane est efficace dans l'enlèvement des matières en suspensions, surtout pour les eaux très turbides. Les dosages optimaux et les turbidités résiduelles sont proportionnels aux turbidités initiales des eaux à traiter suivant une relation de tendance logarithmique. En comparant le chitosane à l'alun dans le traitement d'une eau synthétique ayant une turbidité initiale de 10 UTN, le chitosane se montre plus efficace avec une turbidité résiduelle de 1,8 UTN contre 2,3 UTN obtenue avec l'alun. Le mélange simultané des deux coagulants est encore plus performant avec une turbidité résiduelle de 0,9 UTN. L'eau synthétique ayant une turbidité de 10 UTN traitée soit avec le chitosane, l'alun ou leur mélange simultané et suivi d'une filtration directe sur un lit de sable monocouche d'une profondeur de 0,38 m, laisse une turbidité résiduelle variant autour de 0,05 UTN. Ce taux est inférieur aux exigences de l'OMS, de Santé Canada, du MDDEP Québec et de l'EPA (Etats-Unis). Il a été remarqué que l'utilisation du chitosane ne diminue pas le pH de l'eau autant que l'alun, mais qu'elle induit une augmentation du carbone organique total. La filtration sur sable de l'eau traitée réduit considérablement la turbidité, diminue légèrement le carbone organique total, et ne modifie pas sensiblement le pH de l'eau. Par ses propriétés de non-toxicité et de biodégradabilité, le chitosane peut représenter un substitut efficace des sels minéraux et des polymères synthétiques pour l'enlèvement de la turbidité dans le traitement des eaux potables, mais présente le défaut d'augmenter le COT de l'eau traitée.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,204 · 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'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
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)→Travaux en français237 207→