MétaCan
Menu
Retour à la cohorte
Enregistrement W2095495451 · doi:10.1139/s06-042

Phosphorus adsorption by naturally-occurring materials and industrial by-products

2007· article· en· W2095495451 sur OpenAlexfundvenueno aff
Md Maruf Mortula, Meaghan K. Gibbons, Graham A. Gagnon

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiquePhosphorus and nutrient management
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Water Network
Mots-clésAlumAdsorptionFreundlich equationPhosphorusLangmuirChemistryPulp and paper industryWastewaterLangmuir adsorption modelWaste managementNuclear chemistryEnvironmental chemistryEnvironmental engineeringEnvironmental scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Low cost and effective phosphorus adsorbents are required for the treatment of small or decentralized wastewater systems. The goal of this study was to examine phosphorus adsorption on different low-cost media. Bone char and oven dried alum sludge had the highest Freundlich adsorption constants (Kd) of 1.031 and 0.484, respectively. Maximum adsorption density from the Langmuir isotherm plot was 0.674 mg P g–1 for oven dried alum sludge and 1.787 for air dried alum sludge. pH levels at equilibrium were close to 7 for various dried alum sludge. Experiments conducted at 16 g/L of adsorbent on secondary municipal wastewater showed that all types of dried alum sludge and bone char were the most effective adsorbents of phosphorus. pH levels for oven and air dried sludge were in the range of 6.5–7, whereas the blast furnace slag and cement kiln dust exceeded a pH of 9. Consequently further work was recommended for water plant residuals.Key words: phosphorus, adsorption, Freundlich, Langmuir, alum residual.

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)0,001
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 seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0010,000

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 GPT0,181
Écart entre enseignants0,175 · 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

Citations52
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetPhosphorus and nutrient managementTravaux en français237 207