Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "sewage effluent" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    Podstawy projektowania zagrodowych oczyszczalni ścieków
    Principles of designing farmstead sewage-treatment plants
    Autorzy:
    Sikorski, M.
    Bauman-Kaszubska, H.
    Powiązania:
    https://bibliotekanauki.pl/articles/339420.pdf
    Data publikacji:
    2006
    Wydawca:
    Instytut Technologiczno-Przyrodniczy
    Tematy:
    formy korzystania z wód
    pozwolenie na budowę
    pozwolenie wodnoprawne
    projekt budowlany
    ścieki
    zagrodowe oczyszczalnie ścieków
    building license
    farmstead sewage-treatment plant
    forms of water utilisation
    sewage
    sewage effluent consent
    Opis:
    W artykule przedstawiono podstawy metodyczne związane z algorytmem wyboru rodzaju oczyszczalni ścieków, a w tym podstawy programowania kanalizacji na wsi i w zagrodach, ogólne zasady postępowania ze ściekami na terenie zagrody, warunki stawiane ściekom bytowo-gospodarczym odprowadzanym z przydomowych oczyszczalni ścieków. Uwzględniono również zasady lokalizacji indywidualnych urządzeń wodociągowych i kanalizacyjnych na działce budowlanej w świetle regulacji prawnych oraz charakterystykę ścieków bytowo-gospodarczych w zagrodach wiejskich.
    The paper presents methodical bases of selecting sewage-treatment plants, the principles of sewerage design in rural areas and in particular farmsteads, general principles of sewage treatment in farmsteads and environmental standards for treated domestic sewage discharged from the farmstead treatment plants. The rules of location of individual water supply and sewage treatment facilities were considered in view of legal regulations and the characteristics of domestic sewage in farmsteads was discussed.
    Źródło:
    Woda-Środowisko-Obszary Wiejskie; 2006, 6, 1; 367-379
    1642-8145
    Pojawia się w:
    Woda-Środowisko-Obszary Wiejskie
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Zastosowanie sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w odpływie z oczyszczalni ścieków
    Application of artificial neural networks to forecasting total nitrogen content in secondary effluent from treatment plants
    Autorzy:
    Wąsik, E.
    Chmielowski, K.
    Studziński, J.
    Szeląg, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/237416.pdf
    Data publikacji:
    2018
    Wydawca:
    Polskie Zrzeszenie Inżynierów i Techników Sanitarnych
    Tematy:
    ścieki komunalne
    ścieki oczyszczone
    modelowanie
    prognozowanie
    sztuczne sieci neuronowe
    azot ogólny
    azot amonowy
    azotyny
    azotany
    azot organiczny
    sewage
    secondary effluent
    modeling
    forecasting
    artificial neural networks
    total nitrogen
    ammonia nitrogen
    nitrites
    nitrates
    organic nitrogen
    Opis:
    Zaprezentowano możliwość wykorzystania sztucznych sieci neuronowych do prognozowania zawartości azotu ogólnego w ściekach oczyszczonych w funkcji jego różnych postaci występujących w odpływie z oczyszczalni ścieków. W badaniach zastosowano dane z lat 2010–2016, zawierające pomiary zawartości związków azotu w ściekach odpływających z oczyszczalni obsługującej aglomerację o równoważnej liczbie mieszkańców powyżej 100000. Zbiór danych wejściowych został wstępnie poddany analizie skupień i następnie wykorzystany do trenowania sieci neuronowej w postaci perceptronu wielowarstwowego. Na podstawie uzyskanych symulacji stwierdzono, że najmniejsze wartości błędów prognozy ilosci azotu ogólnego (2÷3%) uzyskano w wariancie, gdy jego wartość była funkcją wszystkich postaci azotu występujących w oczyszczonych ściekach. W przypadku modelu wykorzystującego jedynie dane o zawartości azotu nieorganicznego oraz azotanów otrzymane wyniki symulacji niewiele różniły się od wartości rzeczywistych, na co wskazuje bardzo duża wartość współczynnika korelacji (>97%). Wartość średniego błędu bezwzględnego w tym przypadku zwiększyła się tylko o około 4 punkty procentowe do wartości 6,2% (proces uczenia) oraz 6,9% (proces testowania/walidacji) w stosunku do symulacji wykorzystującej wszystkie postacie azotu w ściekach.
    Potential application of artifi cial neural networks (ANN) to forecast total nitrogen content (TNC) in treated wastewater was presented as a function of selected nitrogen forms present in the secondary effl uent. The analyzed data from the period of 2010–2016 covered measurements of the nitrogen content in the effl uent from the treatment plant servicing agglomeration with a population equivalent of more than 100,000. The input data set was initially subjected to cluster analysis and then, used to train a neural network in the form of a multilayer perceptron (MLP). The simulations demonstrated that the smallest error values for the forecast of TNC (2–3%) were obtained for the variant, the value of which was a function of all the forms of nitrogen present in the secondary effl uent. For the total nitrogen model based on inorganic nitrogen and nitrates data only, the simulation results did not differ signifi cantly from the actual values, as indicated by a very high correlation coeffi cient (over 97%). In this case, the value of the mean absolute error increased only by nearly 4% to 6.2% (learning process) or 6.9% (testing/validation process), compared to the simulation based on all the nitrogen forms in the sewage.
    Źródło:
    Ochrona Środowiska; 2018, 40, 1; 29-33
    1230-6169
    Pojawia się w:
    Ochrona Środowiska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies