MétaCan
Menu
Retour à la cohorte
Enregistrement W2327079723 · doi:10.5383/ijtee.01.01.006

Solar Photocatalytic Degradation of Environmental Pollutants Using ZnO Prepared by Sol-Gel: 2, 4-Dichlorophenol as Case Study

2010· article· en· W2327079723 sur OpenAlexvenueno aff
Muneer M. Ba‐Abbad, Abdul Amir, Hassan Kadhum, Abu Bakar Mohamad, Mohd Sobri Takriff, Kamaruzzaman Sopian

Notice bibliographique

RevueInternational Journal of Thermal and Environmental Engineering · 2010
Typearticle
Langueen
DomaineEnergy
ThématiqueTiO2 Photocatalysis and Solar Cells
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Kebangsaan Malaysia
Mots-clés2,4-DichlorophenolPhotocatalysisDegradation (telecommunications)AbsorbanceCatalysisNuclear chemistryPollutantMaterials scienceAqueous solutionIrradiationChemical engineeringChemistryChromatographyOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The photocatalytic degradation of 2, 4-dichlorophenol (2,4DCP) in aqueous solution was carried out in batch process with ZnO prepared by sol-gel method. The effects of various factors, such as different calcinations temperatures and amount of catalyst were investigated for efficient degradation of 2, 4-dichlorophenol. The UV/Vis Spectrophotometer was used for analysing the concentration of 2, 4-dichlorophenol in solution at different time intervals during the experiment. The photocatalytic degradation of 2, 4-dichlorophenol was investigated by monitoring molecular absorbance at λ = 285 nm. The average solar intensity of ultra violet (UV) was recorded as 23 W/m2. The photocatalytic activity of the ZnO was evaluated by photocatalytic degradation of initial concentration 50 mg/l of 2, 4-dichlorophenol. Optimum value of catalyst dose was found to be 2 g/l. The experimental results showed that the photocatalytic degradation efficiency of 2, 4-dichlorophenol for 1 h irradiation time was up to 98 %.

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 enseignants0,005
Score d'incertitude au seuil0,010

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 Opus0,006
Tête enseignante GPT0,209
Écart entre enseignants0,203 · 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

Citations24
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Thermal and Environmental EngineeringMême sujetTiO2 Photocatalysis and Solar CellsTravaux en français237 207