Adsorption of Selected Pharmaceuticals and an Endocrine Disrupting Compound by Granular Activated Carbon. 1. Adsorption Capacity and Kinetics
Notice bibliographique
Résumé
The adsorption of two representative PhACs (naproxen and carbamazepine) and one EDC (nonylphenol) were evaluated on two granular activated carbons (GAC). The primary objective was to investigate preloading effects by natural organic matter (NOM) on adsorption capacity and kinetics under conditions and concentrations (i.e., ng/L) relevantfor drinking water treatment Isotherms demonstrated that all compounds were significantly negatively impacted by NOM fouling. Adsorption capacity reduction was most severe for the acidic naproxen, followed by the neutral carbamazepine and then the more hydrophobic nonylphenol. The GAC with the wider pore size distribution had considerably greater NOM loading, resulting in lower adsorption capacity. Different patterns forthe change in Freundlich K(F) and 1/n with time revealed different competitive mechanisms for the different compounds. Mass transport coefficients determined by short fixed-bed (SFB) tests with virgin and preloaded GAC demonstrated thatfilm diffusion primarily controls mass transfer on virgin and preloaded carbon. Naproxen suffered the greatest deteriorative effect on kinetic parameters due to preloading, followed by carbamazepine, and then nonylphenol. A type of surface NOM/biofilm, which appeared to add an additional masstransfer resistance layer and thus reduce film diffusion, was observed. In addition, electrostatic interactions between NOM/biofilm and the investigated compounds are proposed to contribute to the reduction of film diffusion. A companion paper building on this work describes treatability studies in pilot-scale GAC adsorbers and the effectiveness of a selected fixed-bed model.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,004 |
| Communication savante | 0,000 | 0,001 |
| 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 ».