MétaCan
Menu
Retour à la cohorte
Enregistrement W2075681828 · doi:10.1002/cjce.20590

Reduction of Cr(VI) to Cr(III) and removal of total chromium from wastewater using scrap iron in the form of zerovalent iron(ZVI): Batch and column studies

2011· article· en· W2075681828 sur OpenAlexvenueno aff
Priya Prasad, Chandan Das, Animes Kumar Golder

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2011
Typearticle
Langueen
DomaineEngineering
ThématiqueEnvironmental remediation with nanomaterials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésZerovalent ironChromiumChemistryPassivationScrapHexavalent chromiumIron oxideWastewaterOxideInorganic chemistryMetallurgyNuclear chemistryLayer (electronics)AdsorptionMaterials scienceEnvironmental engineering

Résumé

récupéré en direct d'OpenAlex

Abstract This work experimentally investigates Cr(VI) reduction to Cr(III) using waste scrap iron in the form of zerovalent iron (ZVI) collected from the mechanical workshop of the Institute, both in batch and continuous operation. The reduction of Cr(VI) to Cr(III) was found to be complete (∼100%) depending on the experimental conditions. Lower pH values favour Cr(VI) reduction. Two concurrent reactions take place, that is reduction of Cr(VI) by Fe 0 (ZVI) and by Fe 2+ generated due to H + corrosion of iron. Maximum around 22%, 11% and 2% Cr(III) remained dissolved in solution while the experiments were carried out at initial pH of 2, 4.67 and 7. Higher ZVI loading increases Cr(VI) reduction rate, however, consumption of iron is noted to be higher. The results indicate that the bed is exhausted rapidly at higher pH, initial Cr(VI) concentration and flow rate. This is attributable to predominance passivation of ZVI surface forming Cr(III)–Fe(III)‐oxide layer. SEM analysis of ZVI before and after the experiments confirms formation of passive oxide on iron surface is responsible for deterioration of Cr(VI) reduction efficiency due to its blanketing effect.

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 enseignants0,008
Score d'incertitude au seuil0,341

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 Opus0,018
Tête enseignante GPT0,198
Écart entre enseignants0,180 · 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

Citations39
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetEnvironmental remediation with nanomaterialsTravaux en français237 207