Étude comparative de deux floculants pour le traitement physicochimique d'une eau usée municipale : chitosane et polymère de synthèse
Bibliographic record
Abstract
Abstract Le traitement des eaux usées municipales par voie physico-chimique requiert généralement l'utilisation d'un coagulant à base de sels métalliques et d'un floculant (ou aide-coagulant) synthétique. L'application du concept de développement durable dans le traitement des eaux privilégie une approche utilisant des produits renouvelables tels les biopolymères naturels. Des essais avec du chitosane (biopolymère naturel) comme floculant ont été effectués à l'échelle du laboratoire (jar test) et à l'échelle réelle (station municipale de type physico-chimique) afin de mieux comprendre les particularités liées à l'utilisation de ce produit naturel lors du traitement des eaux. Les essais à l'échelle réelle réalisés dans deux filières parallèles de traitement ont comparé l'utilisation de la combinaison alun et polymère de synthèse anionique (AL/PS) à la combinaison alun et chitosane (AL/CH). Des abattements de la DCO de 87 %, des MES de 95 % et de 93 % pour le Ptot ont été observés avec la combinaison AL/CH. Ces résultats d'abattement de la DCO et des MES sont semblables à ceux obtenus dans la filière de traitement AL/PS. Certains essais indiquent un dosage de coagulant (alun) inférieur de 24,8 % avec la combinaison AL/CH. L'abattement du Ptot est constamment plus élevé avec la combinaison AL/PS en raison du dosage plus élevé de coagulant.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
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".