MétaCan
Menu
Retour à la cohorte
Enregistrement W2070665457 · doi:10.1002/jctb.1575

Combined electrochemical and biological treatment of industrial wastewater using porous electrodes

2006· article· en· W2070665457 sur OpenAlexafffund
Huu Doan, Jiangning Wu, Robert Mitzakov

Notice bibliographique

RevueJournal of Chemical Technology & Biotechnology · 2006
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMicrobial Fuel Cells and Bioremediation
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésElectrochemistryAnodeCathodeElectrodeMaterials sciencePorosityVolumetric flow rateMass transferChemical engineeringChemistryMetallurgyChromatographyComposite material

Résumé

récupéré en direct d'OpenAlex

Abstract Zn2+, Ni2+ and propylene glycol methyl ether were simultaneously removed from simulated wastewater in a column consisting of an aerated packed bed and an electrochemical cell with a porous aluminium foam cathode and a porous stainless steel anode. After 48 h of sole electrochemical treatment at a liquid rate of 0.00183 m3 m−2 s−1, Zn2+ and Ni2+ were reduced by 95 and 80% respectively. In the turbulent flow regime with liquid rates varied from 0.0137 to 0.0366 m3 m−2 s−1, both Zn2+ and Ni2+ removal decreased by about 15% rather than increased as expected for a mass transfer‐controlled process. This can be attributed to bubble formation at the cathode surface under turbulent flow, which led to a lower active surface area for the electrodeposition of metal ions. Porous electrodes enhanced the metal removal by 17 and 60% for Zn2+ and Ni2+ respectively as compared with flat plate electrodes. Using combined biological and electrochemical treatment at a water rate of 0.00183 m3 m−2 s−1 and an air rate of 0.0518 m3 m−2 s−1, 99% of Zn2+ and 95% of Ni2+ were removed. In addition, the 5 day biological oxygen demand (BOD5) was reduced by 58% concurrently over 72 h of treatment. Copyright © 2006 Society of Chemical Industry

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,012
Tête enseignante GPT0,208
Écart entre enseignants0,196 · 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 source (Gemma direct ou Codex distillé), 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

Citations23
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Chemical Technology & BiotechnologyMême sujetMicrobial Fuel Cells and BioremediationTravaux en français237 207