MétaCan
Menu
Retour à la cohorte
Enregistrement W1585187334 · doi:10.1002/jctb.4399

Sonoelectrochemical oxidation of carbamazepine in waters: optimization using response surface methodology

2014· article· en· W1585187334 sur OpenAlexaff
Nam Nghiep Tran, Patrick Drogui, Satinder Kaur Brar

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2014
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésEffluentElectrolysisWastewaterResponse surface methodologySonicationChemistryCarbamazepineCentral composite designPhosphoniumPulp and paper industryChromatographyElectrodeNuclear chemistryWaste managementEnvironmental scienceEnvironmental engineeringOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract BACKGROUND The decomposition of carbamazepine (CBZ) in synthetic solution and in municipal effluent was investigated using a sono‐electrochemical reactor. Sono‐electrolysis was conducted using two concentrical electrodes installed in a cylindrical reactor containing a ceramic transducer. RESULTS CBZ concentration (C0=10 mg L−1) optimally diminished up to 90% by applying a current intensity of 4.86 A for 177 min and by imposing an ultrasound power of 38.29 W. The optimal conditions were subsequently applied for tertiary treatment of municipal wastewater effluent contaminated with 10 µg CBZ L−1. The reported removal efficiencies of CBZ, TOC, COD and colour were 93%, 60%, 93% and 86%, respectively. Likewise, the toxicity was completely removed (bacterium Vibrio fisheri) from the municipal wastewater effluent (>96%). CONCLUSIONS The advantages of coupling ultrasonication and electrooxidation (US‐EO) treatment for CBZ removal were demonstrated. An experimental design methodology based on response surface methodology was applied to determine the optimal experimental conditions in terms of cost/effectiveness of removal. © 2014 Society of Chemical Industry

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,271
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetAdvanced oxidation water treatmentTravaux en français237 207