MétaCan
Menu
Retour à la cohorte
Enregistrement W2127611817 · doi:10.1002/cjce.21709

Removal of manganese from water by electrocoagulation: Adsorption, kinetics and thermodynamic studies

2012· article· en· W2127611817 sur OpenAlexvenueaboutno aff
P. Ganesan, Jothinathan Lakshmi, Ganapathy Sozhan, Subramanyan Vasudevan

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2012
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésElectrocoagulationAdsorptionGibbs free energyEndothermic processLangmuir adsorption modelEnthalpyChemistryAnodeManganeseInorganic chemistryThermodynamicsMaterials scienceElectrodePhysical chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The present study provides an electrocoagulation process for the removal of manganese (Mn) from water using magnesium as anode and galvanised iron as cathode. The various operating parameters like effect of initial pH, current density, electrode configuration, inter‐electrode distance, coexisting ions and temperature on the removal efficiency of Mn were studied. The results showed that the maximum removal efficiency of 97.2% at a pH of 7.0 was achieved at a current density 0.05 A/dm2 with an energy consumption of 1.151 kWhr/m3. Thermodynamic parameters, including the Gibbs free energy, enthalpy and entropy, indicated that the Mn adsorption of water on magnesium hydroxides was feasible, spontaneous and endothermic. The experimental data were fitted with several adsorption isotherm models to describe the electrocoagulation process. The adsorption of Mn preferably fitting the Langmuir adsorption isotherm suggests monolayer coverage of adsorbed molecules. In addition, the adsorption kinetic studies showed that the electrocoagulation process was best described using the second‐order kinetic model at the various current densities. © 2012 Canadian Society for Chemical Engineering

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 enseignants0,003
Score d'incertitude au seuil0,007

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 Opus0,009
Tête enseignante GPT0,197
Écart entre enseignants0,188 · 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

Citations88
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207