Development of Novel Membranes Based on Electro–spun Nanofibers and Their Application in Liquid Filtration, Membrane Distillation and Membrane Adsorption
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Electro–spinning is known as a simple and versatile method to produce nonwoven membranes made out of nanofibers. A wide range of polymers and blends can be used to yield nanofibers. Commonly used membrane polymers such as cellulose acetate (CA), polysulfone (PSU) and polyvinylidene fluoride (PVDF) have been successfully electro–spun to form nonwoven nanofiber membranes for water filtration. Investigations have revealed that electro–spun nanofibrous membranes (ENMs) possess high–flux rates and low transmembrane pressure. These characteristics are due to its (1) high porosity, (2) interconnected open pore structure and (3) tailorable membrane thickness. Although electro–spun membranes have been extensively studied for decades and successfully commercialized as air filtration membrane, they have not been applied for water treatment. The nanofiber membranes were used recently at the Industrial Membrane Research Laboratory of the University of Ottawa with the collaboration of Nanoscience & Nanotechnology Initiative of the National University of Singapore for the following investigations.Removal of latex particles from water: PVDF nanofiber membranes were subjected to filtration of latex particles (0.1 to 10 μm) at the feed pressure of 0.6 bar gauge [1, 2].Seawater desalination by membrane distillation: PVDF nanofiber membranes were subjected to desalination of aqueous NaCl solutions by air gap membrane distillation [3, 4].Trihalomethanes (THMs) and haloacetic acids (HAAs) removal by carbonized polyacrylnitrile (PAN) nanofiber membranes [5, 6].
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle