MétaCan
Menu
Retour à la cohorte
Enregistrement W2338181669 · doi:10.2166/wqrjc.2015.011

Membrane fouling remediation in ultrafiltration of latex contaminated wastewater

2015· article· en· W2338181669 sur OpenAlexafffund
Amira Abdelrasoul, Huu Doan, Ali Lohi

Notice bibliographique

RevueWater Quality Research Journal · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryFoulingMembraneUltrafiltration (renal)EffluentIonic strengthMembrane foulingZeta potentialPolyvinylidene fluorideChromatographyChemical engineeringAqueous solutionEnvironmental engineeringNanoparticleOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The current study aimed to remediate membrane fouling by latex effluent by altering membrane surface charge or ionic strength of the effluent. Hydrophilic polysulfone and Ultrafilic flat membranes, with molecular weight cutoff (MWCO) of 60,000 and 100,000, respectively, and hydrophobic polyvinylidene difluoride membrane (PVDF; MWCO 100,000) were used under a constant flow rate and in cross-flow mode for ultrafiltration of latex effluent. The effect of linear alkyl benzene sulfonate (LAS) on the ionic strength of the effluent and the zeta potential of latex particles was investigated. LAS was also used to improve the anti-fouling properties of the membrane surface. The ionic strength of latex effluent was increased by raising its pH from 7 to 12, resulting in an increase of the zeta potential negativity of the latex particles from −26.61 to −42.66 mV. LAS was found to be an ineffective pretreatment for limiting the fouling propensity of latex effluent using hydrophilic membranes even at high concentration and long treatment times. It was concluded that LAS-treated membrane surface is much more favorable than pH changed feed pretreatment. The total mass of fouling decreased by 44.00 and 29.60%, when PVDF membrane surface was treated with LAS at a concentration of 1 × 10−4 g/L, and latex effluent at pH 11 was used, respectively.

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)0,011
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,016
Score d'incertitude au seuil0,738

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0110,001
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,176
Tête enseignante GPT0,401
Écart entre enseignants0,225 · 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

Citations12
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetMembrane Separation TechnologiesTravaux en français237 207