MétaCan
Menu
Retour à la cohorte
Enregistrement W2471342758 · doi:10.2166/wqrjc.2016.027

Removal of naphthalene from offshore produced water through immobilized nano-TiO2 aided photo-oxidation

2016· article· en· W2471342758 sur OpenAlexafffund
Бо Лю, Bing Chen, Kenneth Lee, Baiyu Zhang, Yinchen Ma, Liang Jing

Notice bibliographique

RevueWater Quality Research Journal · 2016
Typearticle
Langueen
DomaineEnergy
ThématiqueTiO2 Photocatalysis and Solar Cells
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesFisheries and Oceans CanadaNatural Sciences and Engineering Research Council of Canada
Mots-clésNaphthalenePhotocatalysisCatalysisChemistryAdsorptionChemical engineeringFoulingMicroscale chemistryNano-MembraneOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

In order to increase the applicability of photocatalysis in treating offshore produced water (OPW), an immobilized catalyst was introduced into the UV irradiation system and its performance on the degradation of organic compounds in OPW was evaluated. Naphthalene was selected as the target pollutant owing to its abundance in produced water and its chemical property as a typical polycyclic aromatic hydrocarbon. Aeroxide® P25 nano-scale TiO2 powder was immobilized on glass slides by a heat attachment method and its photocatalytic capacity was compared to that of the original powder in terms of naphthalene removal efficiency. The results of adsorption showed that the reduction of catalysts’ surface area by immobilization was similar to that by agglomeration. The photocatalytic reaction rate constants in the homogeneous and immobilized systems were 0.00219 min−1 and 0.00305 min−1, respectively, indicating that the immobilized catalyst had a better performance in photo-oxidation. The fouling of catalyst surface during the irradiation process came from the deposition of insoluble particles, organic matter, and the scaling of calcium. The immobilization of catalysts was more resistant to the substrate effects of OPW, indicating a promising alternative in treating OPW.

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 enseignants0,002
Score d'incertitude au seuil0,004

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)0,0010,000

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 Opus0,123
Tête enseignante GPT0,381
Écart entre enseignants0,258 · 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

Citations18
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWater Quality Research JournalMême sujetTiO2 Photocatalysis and Solar CellsTravaux en français237 207