MétaCan
Menu
Back to cohort
Record W2125373171 · doi:10.7202/705108ar

Automatisation et comparaison de différentes méthodes respirométriques d'estimation rapide de la DBO

2005· article· fr· W2125373171 on OpenAlexaff
J.L. Vasel, Pascal Warnier, H. Jupsin, P. Schrobiltgen

Bibliographic record

VenueRevue des sciences de l eau · 2005
Typearticle
Languagefr
FieldEngineering
TopicFuel Cells and Related Materials
Canadian institutionsInstitut National de la Recherche Scientifique
Fundersnot available
KeywordsForestryPhysicsChemistryGeography

Abstract

fetched live from OpenAlex

II est bien connu que la DBO peut étre mesurée par des méthodes respiromédriques. Les manipulations sont ainsi rendues plus aisées mais la durée de la mesure reste inchangée. La demande biologique en oxygène à court terme (DBOACT) a été proposée pour évaluer rapidement la DBO. Habituellement, ces mesures étaient réalisées dans un respiromètre fermé avec une boue acclimatée et en état de respiration endogène. Récemment on a suggéré de travailler avec un respiromètre ouvert, aéré continuellement durant le test. Nous avons réalisé un tel appareil avec une acquisition et un traitement automatique des données, en utilisant un micro-ordinateur. De cette façon, il est facile de tester différentes méthodes (intégration de la courbe en sac, hauteur de pic, comparaison à des étalons, usage d'étalons internes) pour évaluer la DBO. Nous avons également examiné l'influence du type de substrat, de l'âge et des caractéristiques des boues. Notre conclusion est que aucune des méthodes testées ne fournit une détermination précise de la DBO 5 pour des substrats complexes. La méthode reste utile pour contrôler la variabilité de l'influent dans une station d'épuration, lorsque la biomasse est acclimatée au substrat et qu'on ne désire pas une mesure très précise.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.270
Threshold uncertainty score0.928

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.001
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.066
GPT teacher head0.356
Teacher spread0.290 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations3
Published2005
Admission routes1
Has abstractyes

Explore more

Same venueRevue des sciences de l eauSame topicFuel Cells and Related MaterialsFrench-language works237,207