MétaCan
Menu
Retour à la cohorte
Enregistrement W1966149769 · doi:10.1080/09593330.2015.1032367

The rate and efficiency of iron generation in an electrocoagulation system

2015· article· en· W1966149769 sur OpenAlexafffund
Sin Yin Lee, Graham A. Gagnon

Notice bibliographique

RevueEnvironmental Technology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaDalhousie UniversityPetroleum Research Newfoundland and LabradorInnovation and Technology FundEncana
Mots-clésCathodeAluminiumAnodeElectrolyteCorrosionElectrocoagulationMetallurgyMaterials scienceCathodic protectionChemistryElectrodeElectrochemistry

Résumé

récupéré en direct d'OpenAlex

The rate and efficiency of iron generation in a bench-scale electrocoagulation (EC) system was investigated when variations were made to operating voltage, cathode material and electrolyte composition. Two electrolytes were tested, one with organic compounds (naphthalene, acenaphthene and 4-nonylphenol) and one without. While aromatic structures often make good corrosion inhibitors, in this case they had no discernible effect. This is a positive indicator that EC systems will not have adverse effects when treating wastewaters associated with oil and gas production. Using a stainless steel cathode rather than an aluminium one resulted in 35% more production of iron at the anode per volt per minute; it also resulted in greater iron production given equivalent quantities of power. This occurred because the rate-limiting hydrogen evolution reaction at the cathode occurs more quickly on iron than on aluminium. It was also observed that the EC system (using either cathode) produced more iron per unit power when operated at lower voltages. At lower voltages, the corrosion that occurred spontaneously in the absence of an applied current contributed more significantly to the total amount of iron released. This research suggests that it is more efficient to design EC systems using iron-based cathodes rather than aluminium ones. It also indicates that it is more energy efficient to use more electrodes at low power, rather than fewer electrodes at high power.

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 enseignants0,065
Score d'incertitude au seuil0,257

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 Opus0,010
Tête enseignante GPT0,218
Écart entre enseignants0,209 · 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

Citations14
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetAdvanced oxidation water treatmentTravaux en français237 207