MétaCan
Menu
Retour à la cohorte
Enregistrement W2098605398 · doi:10.6000/1929-5030.2013.02.03.2

Optimising the Design of Fe0-Based Filtration Systems for Water Treatment: The Suitability of Porous Iron Composites

2013· article· en· W2098605398 sur OpenAlexvenueno aff
Mohammad Azizur Rahman, Shyamal Karmakar, Heba Salama, Nadège Gactha-Bandjun, Brice Donald Btatkeu K., Chicgoua Noubactep

Notice bibliographique

RevueJournal of Applied Solution Chemistry and Modeling · 2013
Typearticle
Langueen
DomaineEngineering
ThématiqueEnvironmental remediation with nanomaterials
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFiltration (mathematics)PorosityComposite materialMaterials scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This study assessed the functionality of metallic iron (Fe0) filtration systems using porous iron composite (PIC) as an alternative to granular Fe0/aggregate mixtures. The usage of PIC for water treatment has many challenges which are related to the well-drained nature of highly porous filters and the corresponding increase in hydraulic conductivity (shorter contact time). In this article, the extent of (i) iron exhaustion and (ii) porosity loss in four filtration systems are critically discussed. The considered filtration systems are: (i) Fe0 alone, (ii) PIC alone, (iii) Fe0/sand and (iv) Fe0/pumice. In all four systems, mono-sized granular spherical particles are assumed. Sand and Fe0 are compact (f = 0 %) whereas PIC and pumice are porous (e.g. f = 40 %). Results demonstrated that under anoxic conditions (Fe3O4 as major corrosion products) Fe0 depletion is possible in all systems except Fe0 alone. Under oxic conditions (e.g. formation of Fe(OH)3), the PIC system exhibited the highest level of Fe0 depletion (58 %). The increasing order of sustainability was: Fe0 < Fe0/sand < Fe0/PM < PIC. These results suggested that manufacturing PIC with defined porosity and intrinsic reactivity is the key for more efficient usage of Fe0 for environmental remediation and water treatment.

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: Simulation ou modélisation · Signal consensuel: aucune
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
Métarecherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,211
Écart entre enseignants0,190 · 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'étudeSimulation ou modélisation
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

Citations36
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Solution Chemistry and ModelingMême sujetEnvironmental remediation with nanomaterialsTravaux en français237 207