MétaCan
Menu
Retour à la cohorte
Enregistrement W2075822480 · doi:10.1080/09593332208618216

Extraction of Cr(III) and Other Metals from Tannery Sludge by Mineral Acids

2001· article· en· W2075822480 sur OpenAlexaff
Shaobo Shen, R. D. Tyagi, Jean-François Blais

Notice bibliographique

RevueEnvironmental Technology · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChromium effects and bioremediation
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésLeaching (pedology)ChemistryExtraction (chemistry)ChromiumMetalYield (engineering)AdsorptionNuclear chemistryMetallurgyChromatographyMaterials scienceSoil waterOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

A comprehensive investigation on the extraction conditions of Cr(III) and other metals from tannery sludge using mineral acids was performed. The effect of various factors (the extraction time, the type of mineral acid, the consumption of acid, pH, sludge solids concentration, temperature, and the type of sludge) on the leaching yield of metals was studied. The results indicate that the metal extraction time for most of the metals was 2h at 25 degrees C. The most suitable acid for Cr(III) extraction was sulphuric acid. A relationship for the acid requirement to adjust different sludge pH at varying sludge solids concentration was established. The leaching yield of chromium varied with sludge pH and the suitable pH for Cr(III) extraction was between 2.0 to 3.0. The optimum sludge solids concentration for Cr(III) extraction was 78.5 g x l(-1). The leaching yield of Cr(III) decreased with the increased temperature. The type of sludge (wet or dry) has no effect on the leaching yield of Cr(III) The metal adsorption and bonding on the insoluble organic colloid matter as well as the formation of metal precipitates may be two possible reasons for the decreased extraction yield of metals with increased solids concentration.

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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,207
Écart entre enseignants0,202 · 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

Citations33
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental TechnologyMême sujetChromium effects and bioremediationTravaux en français237 207