Recovery of Zn(II) and Ni(II) Binary from Wastewater Using Integrated Biosorption and Electrodeposition
Notice bibliographique
Résumé
The present study aimed to obtain best operational conditions for biosorption of Zn(II) and Ni(II) binary metal solution in a fixed bed packed with wheat straw as biosorbent. The effects of bed depths, liquid flow rates and mixture metal concentrations on biosorption service time were investigated. The results showed that breakthrough service time of the biosorption columns ( C b = 2 mg/L Zn and Ni) increased with increasing bed depth, while decreased with increasing influent concentrations and flow rates, as expected. This paper further extended the study to investigate the competition of Zn(II) and Ni(II) binary in solution by performing biosorption tests at varied ratio of the metal concentrations. For biomass regeneration, the effect of desorbing agents (hydrochloric acid, nitric acid and sulphuric acid), their concentrations (0.1–0.5 mol/L) and flow rates (0.05–0.1 L/min) on recovery of Zn(II) and Ni(II) binary mixture was investigated. The best performance in desorption of Zn(II) and Ni(II) binary solutions were 0.1 mol/L H 2 SO 4 and a 0.05 L/min inlet flow rate. Moreover, after five sorption/desorption cycles, the biosorbent still maintained its high adsorption capability. Electrodeposition was also used to recover metal ions from concentrated Zn(II) and Ni(II) binary solutions (about 340 mg/L) from the desorption step. It was found that the electrodeposition could reduce the metal concentrations down to wastewater discharge limit of 2 mg/L Zn and Ni ions.
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 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 | 0,000 | 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 tête enseignante, 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 ».