当前位置：
X-MOL 学术
›
Environ. Sci. Technol.
›
论文详情
Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
Quantifying Impacts of Microcosm Mass Loss on Kinetic Constant Estimation
Environmental Science & Technology ( IF 10.8 ) Pub Date : 2021-10-07 , DOI: 10.1021/acs.est.1c03452 Jack L Elsey 1 , John A Christ 2 , Linda M Abriola 3
Environmental Science & Technology ( IF 10.8 ) Pub Date : 2021-10-07 , DOI: 10.1021/acs.est.1c03452 Jack L Elsey 1 , John A Christ 2 , Linda M Abriola 3
Affiliation
|
Microcosm experiments to assess microbial reductive dechlorination of chlorinated aliphatic hydrocarbons typically experience 5–50% mass loss due to frequent sampling events and diffusion through septa. A literature review, however, reveals that models fit to such experiments for kinetic constant estimation have generally failed to account for experimental mass loss. To investigate possible resultant bias in best-fit parameters, a series of numerical experiments was conducted in which Monod kinetic models with and without mass loss were fit to more than 1300 synthetic data sets, generated using published microcosm data. Models that failed to account for mass loss resulted in significant fitted parameter bias. Bias ranged from 5 to 45% of the parameter magnitude for Monte Carlo simulations with low (approximately 10%) mass loss to 20–120% for simulations with high (approximately 40%) mass loss. In addition, for high mass loss simulations, best-fit values consistently fell along the bounds of the optimization range. These results suggest that failure to properly account for mass loss in microcosms may lead to inaccurate estimation of kinetic constants and may explain some of the literature-reported variability in these parameters. A model is presented that provides a method for including sampling and diffusional mass losses to improve kinetic constant estimation accuracy.
中文翻译：
量化微观质量损失对动力学常数估计的影响
由于频繁的采样事件和通过隔垫的扩散，用于评估氯化脂肪烃的微生物还原脱氯的微观实验通常会经历 5-50% 的质量损失。然而，文献综述表明，适用于此类实验的动力学常数估计模型通常无法解释实验质量损失。为了研究最佳拟合参数中可能产生的偏差，进行了一系列数值实验，其中有和没有质量损失的 Monod 动力学模型适合 1300 多个合成数据集，这些数据集使用已发布的微观数据生成。未能考虑质量损失的模型导致显着的拟合参数偏差。偏差范围从蒙特卡罗模拟的参数幅度的 5% 到 45%，质量损失低（约 10%）到质量损失高（约 40%）的模拟的 20-120%。此外，对于高质量损失模拟，最佳拟合值始终落在优化范围的边界上。这些结果表明，未能正确解释微观世界中的质量损失可能会导致对动力学常数的估计不准确，并可能解释一些文献报道的这些参数的变异性。提出了一个模型，该模型提供了一种包括采样和扩散质量损失以提高动力学常数估计精度的方法。这些结果表明，未能正确解释微观世界中的质量损失可能会导致对动力学常数的估计不准确，并可能解释文献报道的这些参数中的一些变异性。提出了一个模型，该模型提供了一种包括采样和扩散质量损失以提高动力学常数估计精度的方法。这些结果表明，未能正确解释微观世界中的质量损失可能会导致对动力学常数的估计不准确，并可能解释文献报道的这些参数中的一些变异性。提出了一个模型，该模型提供了一种包括采样和扩散质量损失以提高动力学常数估计精度的方法。
更新日期：2021-10-19
中文翻译：
量化微观质量损失对动力学常数估计的影响
由于频繁的采样事件和通过隔垫的扩散，用于评估氯化脂肪烃的微生物还原脱氯的微观实验通常会经历 5-50% 的质量损失。然而，文献综述表明，适用于此类实验的动力学常数估计模型通常无法解释实验质量损失。为了研究最佳拟合参数中可能产生的偏差，进行了一系列数值实验，其中有和没有质量损失的 Monod 动力学模型适合 1300 多个合成数据集，这些数据集使用已发布的微观数据生成。未能考虑质量损失的模型导致显着的拟合参数偏差。偏差范围从蒙特卡罗模拟的参数幅度的 5% 到 45%，质量损失低（约 10%）到质量损失高（约 40%）的模拟的 20-120%。此外，对于高质量损失模拟，最佳拟合值始终落在优化范围的边界上。这些结果表明，未能正确解释微观世界中的质量损失可能会导致对动力学常数的估计不准确，并可能解释一些文献报道的这些参数的变异性。提出了一个模型，该模型提供了一种包括采样和扩散质量损失以提高动力学常数估计精度的方法。这些结果表明，未能正确解释微观世界中的质量损失可能会导致对动力学常数的估计不准确，并可能解释文献报道的这些参数中的一些变异性。提出了一个模型，该模型提供了一种包括采样和扩散质量损失以提高动力学常数估计精度的方法。这些结果表明，未能正确解释微观世界中的质量损失可能会导致对动力学常数的估计不准确，并可能解释文献报道的这些参数中的一些变异性。提出了一个模型，该模型提供了一种包括采样和扩散质量损失以提高动力学常数估计精度的方法。
京公网安备 11010802027423号