Separation of Heavy Metals Copper (Cu) and Nickel (Ni) from Industrial Wastewater by Adsorption Using Chitosan Shrimp Shell
Notice bibliographique
Résumé
Shrimp shell contains chittin that can be processed become chitosan. Chitosan can be used as bioadsorbent totreat heavy metals content in wastewater. The purposes of this research are to find deacethylation degree ofchitosan from shrimp shell, the constant value of adsorption affinity (k) and adsorption efficiency for variousvariation mass and size of chitosan, heavy metal concentration (solute) in wastewater and to compare adsorptionefficiency between syntetic solution and industrial wastewater. The size variation of the chitosan are 20 meshand 40 mesh. The type of adsorption used is batch until 4 hours with 5 rpm as agitation rate. Deasethylizationdegree for chitosan 20 mesh and 40 mesh are resulted as 75,61% and 77,71 %. More amount of chitosan usedand the smaller size of chitosan make the adsorption efficiency higher as 92,52%. A synthetic solution and PTSIER industrial wastewater are types of wastewater used. PT SIER wastewater contains other metals that canhamper the adsorption of desired metals. Ni is easier to adsorp with 92,52% efficiency than Cu which hasefficiency of 88,52%, because atomic radius of Ni is smaller than Cu. Adsorption affinity constant is influencedby size of the chitosan. The smaller size of chitosan make adsorption affinity constant higher than the bigger size(which is 0,13).
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».