MétaCan
Menu
Retour à la cohorte
Enregistrement W2120863163 · doi:10.1088/1742-6596/550/1/012015

Comparison of CO<sub>2</sub>and oxygen DC submerged thermal plasmas for decomposition of carboxylic acid in aqueous solution

2014· article· en· W2120863163 sur OpenAlexafffund
Sanaz Safa, Alireza Hekmat‐Ardakan, Gervais Soucy

Notice bibliographique

RevueJournal of Physics Conference Series · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePlasma Applications and Diagnostics
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésAqueous solutionCarboxylic acidDecompositionThermal decompositionOxygenPlasmaThermalChemistryMaterials sciencePhysicsThermodynamicsPolymer chemistryOrganic chemistryQuantum mechanics

Résumé

récupéré en direct d'OpenAlex

The feasibility of the carboxylic acid decomposition with two different direct current (DC) thermal plasma torches was investigated. An oxygen DC submerged thermal plasma torch and a newly designed submerged DC plasma torch operating with a mixture of carbon dioxide and methane (CO2/CH4) were used. Sebacic acid was selected as a representative of pollutants in the most wastewater produced by chemical process industries. The effect of different operational conditions including treatment time, the reactor pressure as well as the role of oxidizing agents such as (H2O2) were investigated on the decomposition rate of sebacic acid. Concentration of sebacic acid was quantified by Ion Chromatography/Mass Spectrometry (IC/MS). The oxygen plasma showed higher decomposition rate in basic medium. Adding H2O2 into aqueous solution enhanced the sebacic acid decomposition rate with the CO2/CH4 plasma up to the same decomposition rate of the oxygen plasma. Increasing the pressure also increased the decomposition rate for both plasmas with an increase twice higher for the CO2/CH4 plasma than that of the oxygen plasma. This work therefore presents the conditions in which these plasmas can provide the same decomposition rate for contaminants in aqueous solution.

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 enseignants0,026
Score d'incertitude au seuil0,363

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 Opus0,027
Tête enseignante GPT0,306
Écart entre enseignants0,278 · 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

Citations4
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Physics Conference SeriesMême sujetPlasma Applications and DiagnosticsTravaux en français237 207