Hiekkasuodattimen toiminnan kartoitus
Bibliographic record
Abstract
Tämän opinnäytetyön aiheena oli kartoittaa hiekkasuodatuksen toiminta Pori Energia Oy Aittaluodon voimalaitoksella sekä havainnoida siinä esiintyvät puutteet. Havaittujen puutteiden pohjalta Pori Energia Oy:lle ehdotettiin erilaisia vaihtoehtoja prosessin tehostamiseksi ja parantamiseksi. Suodattimien vastavirtahuuhtelussa on ollut vaikeuksia nykyisen vesilaitoksen käyttöönotosta saakka. Hiekkasuodattimien vastavirtahuuhtelussa käytettävä huuhtelupumppu uusittiin vuonna 2002 ja siitä lähtien huuhtelun tulos on jäänyt tavoitellusta. \n \nHiekkasuodatin toimii viimeisenä suodattimena ennen puhdasvesisäiliötä. Suodattimen tehtävänä on poistaa vedestä flokkaantumaton, toisin sanoen saostumaton maa-aines. Suodatinpatjan pinnalle kertyneet epäpuhtaudet poistetaan vastavirtahuuhtelulla ja ohjataan viemäriin. Huuhtelun jälkeen suodatinpatjan pinnalla tulisi olla korkeintaan muutamien millien kerros epäpuhtauksia. Nyt hiekan pinnalle jää pahimmillaan jopa 70mm paksuinen savikerros. \n \nTyön aikana kartoitettiin suodatinaltaiden toimintaa, kanaviston ja välipohjan rakennetta sekä hiekkapatjan koostumusta. Vertailupohjaa Aittaluodon hiekkasuodattimille haettiin Porin Veden Lukkarinsannan vedenpuhdistamolta sekä kirjallisuudesta. Tutkimuksen tarkoituksena oli selvittää toimiiko Aittaluodon voimalaitoksen hiekkasuodattimet tarkoituksen mukaisella tavalla ja voiko niiden toimintaa parantaa taloudellisesti kannattavilla ratkaisuilla. \n \nKäytännön testaukset tehtiin koehuuhteluilla, joissa kokeiltiin erilaisia asetusarvoja eri pinnankorkeuksille huuhtelun alussa, sekä niiden vaikutus huuhtelun lopputulokseen. Lopputulos mitattiin hiekkapatjan pinnalle jääneenä savikerroksena. Lopputulosten ja kartoituksen aikana kerätyillä tiedoilla kartoitettiin parhaat menetelmät hiekkasuodattimien vastavirtahuuhteluun ja ne laitetaan käytäntöön vuoden 2013 aikana.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.115 | 0.039 |
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".