MétaCan
Menu
Retour à la cohorte
Enregistrement W2324542355 · doi:10.2166/wst.2011.331

Removal of benzene from wastewater via Fenton pre-treatment followed by enzyme catalyzed polymerization

2011· article· en· W2324542355 sur OpenAlexaff
Beeta Saha, Keith E. Taylor, Jatinder K. Bewtra, Nihar Biswas

Notice bibliographique

RevueWater Science & Technology · 2011
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésBenzeneWastewaterChemistryCatalysisPolymerizationSewage treatmentPulp and paper industryNuclear chemistryEnvironmental chemistryWaste managementOrganic chemistryEnvironmental scienceEnvironmental engineeringPolymerEngineering

Résumé

récupéré en direct d'OpenAlex

This study investigated the feasibility of a two-step process for the removal of benzene from buffered synthetic wastewater. Benzene is outside the scope of enzymatic removal. In order to remove it from wastewater using enzyme, its pretreatment by modified Fenton reaction was employed to generate the corresponding phenolic compounds. In the first phase, the optimum pH, H2O2 and Fe2+ concentrations and reaction time for the Fenton reaction were determined to maximize the conversion of benzene to phenolic compounds without causing significant mineralization. The pretreatment process was followed by oxidative polymerization of the phenolic compounds catalyzed by a laccase from Trametes villosa. Factors of interest for the three-hour enzymatic treatment were pH and laccase concentration. Under optimum Fenton reaction conditions, 80% conversion of the initial benzene concentration was achieved, giving a mixture containing oxidative dimerization product (biphenyl) and hydroxylation products (phenol, catechol, resorcinol, benzoquinone and hydroquinone). Enzymatic removal of biphenyl and benzoquinone was not possible but 2.5 U/mL laccase was successful in removal of the rest of the phenolic

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 enseignants0,013
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,012
Tête enseignante GPT0,220
Écart entre enseignants0,208 · 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

Citations3
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWater Science & TechnologyMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207