MétaCan
Menu
Retour à la cohorte
Enregistrement W1840744766 · doi:10.15376/biores.5.4.2258-2267

Impact of acid washing and chelation on Mg(OH)2-based hydrogen peroxide bleaching of mixed hardwoods CMP at high consistency

2010· article· en· W1840744766 sur OpenAlexafffund
Somayeh Ghasemi, Rabi Behrooz, Pedram Fatehi, Yonghao Ni

Notice bibliographique

RevueBioResources · 2010
Typearticle
Langueen
DomaineEngineering
ThématiqueLignin and Wood Chemistry
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHydrogen peroxidePulp (tooth)ChelationChemistryEffluentPeroxideNuclear chemistrySulfuric acidPulp and paper industryInorganic chemistryWaste managementOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The removal of transition metal ions is crucial for improving the efficiency of subsequent peroxide bleaching. Acid-washing and chelation have been proposed for such a purpose. However, their influences on the Mg(OH)2-based peroxide bleaching of hardwood pulps at a high consistency have not been well documented in the literature. In this work, we studied the influence of acid-washing using sulfuric acid or chelation using diethylenetriaminepentaacetic (DTPA) on the Mg(OH)2- or NaOH-based hydrogen peroxide bleaching efficiency, effluent properties of bleaching filtrates, and paper properties. The results showed that for Mg(OH)2-based peroxide bleaching, the pulp yield and water retention value of acid-washed pulp were higher than those of the chelated pulp; the chemical oxygen demand (COD) and turbidity of the bleaching filtrates for the acid-washed pulp were lower than those of the chelated pulp. The bleached acid-washed pulp had lower strength properties than bleached chelated pulp did. Additionally, at a high pulp consistency (25%), the Mg(OH)2-based process had a higher bleaching efficiency and superior bleaching effluent properties, but a lower strength properties, in comparison with the NaOH-based process.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,003
Score d'incertitude au seuil0,549

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,006
Tête enseignante GPT0,205
Écart entre enseignants0,200 · 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 tête enseignante, 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

Citations5
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioResourcesMême sujetLignin and Wood ChemistryTravaux en français237 207