MétaCan
Menu
Retour à la cohorte
Enregistrement W2049918550 · doi:10.1021/ie030711g

Hydrolysis of Ferric Sulfate in the Presence of Zinc Sulfate at 200 °C:  Precipitation Kinetics and Product Characterization

2004· article· en· W2049918550 sur OpenAlexafffund
Terry C. Cheng, George P. Demopoulos

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2004
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistrySulfateHematiteFerricInorganic chemistryZincStoichiometryPrecipitationHydrolysisReaction rate constantKineticsNuclear chemistryMineralogyPhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The hydrolysis of ferric sulfate was studied in a batch reactor at 200 °C with the initial Fe(III) concentration ranging from 0.10 to 0.80 M in the presence/absence of zinc sulfate (1.2 M ZnSO 4 ) with 3 h retention time. Regardless of the presence or not of ZnSO 4, the hydrolytic precipitation kinetics at 200 °C was determined to be first-order with respect to Fe(III), and expressed by the following rate equation, r hyd = k hyd ( C Fe(III) − C Fe(III),eq ), where the apparent kinetic constant, k hyd, was determined to be 10 -2 min -1 . Two reaction stoichiometries were established: one leading to the formation of kinetically favored basic ferric sulfate at C Fe(III),initial ≥ 0.4 M in the absence of ZnSO 4 or at C Fe(III),initial ≥ 0.7 M in the presence of ZnSO 4, while the other led to the production of hematite. The hydrothermally produced hematite material possessed very high specific surface area (50−80 m 2 /g) and contained around 1% S (as SO 4 via chemisorption), 0.2% Zn (when ZnSO 4 was present), and about 4.5% H 2 O/OH. After excluding the SO 4 and Zn content, the following stoichiometric formula for hematite was determined: Fe 2 O 3 - x (OH) 2 x · y H 2 O where x = 0.08 and y = 0.29.

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)0,001
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 enseignants0,014
Score d'incertitude au seuil0,291

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,050
Tête enseignante GPT0,302
Écart entre enseignants0,252 · 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

Citations47
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207