MétaCan
Menu
Retour à la cohorte
Enregistrement W2130365266 · doi:10.1002/cjce.20380

Selective separation of copper (II) and cobalt (II) from wastewater by using continuous cross‐flow micellar‐enhanced ultrafiltration and surfactant recovery from metal micellar solutions

2010· article· en· W2130365266 sur OpenAlexvenueno aff
Vijay Anand Kumar Anthati, Kumudini V. Marathe

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChemistryPulmonary surfactantUltrafiltration (renal)ChelationIminodiacetic acidCopperCobaltChromatographySodium dodecyl sulfateAqueous solutionPermeationNuclear chemistryInorganic chemistryMembraneOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Performance of continuous cross‐flow micellar‐enhanced ultrafiltration (MEUF) method was investigated for the selective separation of copper (Cu2+) and cobalt (Co2+) from the aqueous phase using sodium dodecyl sulfate (SDS) as an anionic surfactant and iminodiacetic acid (IDA) as a chelating agent. Operating parameters such as operating time (10–120 min), cross‐flow rate (100–250 mL/min), pH of the solution (2.8–5.6), molar concentration ratio of the chelating agent to metals (the C/M ratio, 0.5–2.5), molar concentration ratio of the surfactant to metals (the S/M ratio, 5–8) and mode of operation were studied to investigate the effectiveness of the process on selective separation. At optimal parameters, above 90% selective separation (Cu2+ in permeate and Co2+ in retentate) was achieved. Two methods were studied for the separation of Co2+ and SDS from retentate stream; acidification followed by UF and addition of chelating agent followed by UF with surfactant recovery of 75% and 83%, respectively, and Co going into the permeate.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,198
Écart entre enseignants0,192 · 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

Citations19
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMembrane Separation TechnologiesTravaux en français237 207