COD reduction of petrochemical industry wastewater using Fenton's oxidation
Notice bibliographique
Résumé
Abstract Reduction of chemical oxygen demand (COD) value of petrochemical industry wastewater (COD ∼11 500 mg/L) by Fenton's oxidation has been investigated. Batch tests were conducted on the effluent samples to determine the optimum process conditions. Fenton's oxidation process was found to effectively reduce the COD by 97.5% in 100 min. Effects of different process parameters: pH, H 2 O 2 dosage, Fe 2+ dosage, H 2 O 2 /Fe 2+ ratio, temperature were investigated. The optimum conditions were at pH 3, H 2 O 2 concentration 3 M, Fe 2+ concentration 0.06 M and temperature 30°C. Optimum molar ratio [H 2 O 2 /Fe 2+ ] was 50:1. At optimum conditions, 97.5% COD reduction was achieved for the typical effluent sample from nearby industry manufacturing mainly PET resins. On a analysé la réduction de la valeur demande chimique en oxygène (DCO) des eaux usées de l'industrie pétrochimique (DCO ∼11 500 mg/L) par oxydation de Fenton. Des essais par lots ont été réalisés sur les échantillons d'effluent dans le but de déterminer les conditions de processus optimales. On a découvert que le processus d'oxydation de Fenton a réduit efficacement la DCO de 97,5% en 100 min. Les effets de différents paramètres de processus, soit pH, dose de H 2 O 2 , dose de Fe 2+ , rapport H 2 O 2 /Fe 2+ et température ont été analysés. Les conditions optimales étaient pH 3, concentration de H 2 O 2 3 M, concentration de Fe 2+ 0,06 M et température 30°C. Le rapport molaire optimal [H 2 O 2 /Fe 2+ ] était de 50:1. À des conditions optimales, on est parvenu à une réduction de DCO de 97,5% pour l'échantillon d'effluent typique de l'industrie à proximité qui fabrique principalement des résines de PET. Can. J. Chem. Eng. © 2010 Canadian Society for Chemical Engineering
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) | 0,000 | 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 ».