A comparison of conventional and non-conventional treatment technologies on arsenic removal from water
Notice bibliographique
Résumé
In this study, four treatment methods were used to remove arsenic from water, namely: (i) chemical precipitation, (ii) arsenic adsorption onto iron-oxide-coated sand, (iii) high-rate saturated floating-medium flocculator/filter and (iv) membrane hybrid system (adsorption-microfiltration). The results indicated that more than 90% of total arsenic was removed by using FeCl3 (40 mg/L) as coagulant. The removal efficiency was 10% lower when polysilicato-iron (PSI, 2.5 mg/L) was used as a flocculant. The results of both the batch and column adsorption studies showed that iron-oxide-coated sand can effectively be used to achieve very high levels of arsenic removal (less than 5 μm/L as As in drinking water). Arsenic was removed up to 78% from the packed polystyrene beads filter with in-line FeCl3 addition at a high loading rate of 30 m3/m2.h. When powder activated carbon (PAC) was used in the membrane hybrid system, 87% removal of arsenic was achieved. A mixing time of 2.7 min with the mixing intensity of 87.8 s-1 were used. A very high filtration (permeate flux of 760 L/m2.h) was observed with a membrane of pore size of 0.2 μm.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».