Preparation and Regeneration of Nickel-Iron for Reduction of Organic Contaminants
Notice bibliographique
Résumé
Abstract: Factors affecting nickel-iron (Ni-Fe) performance for TCE reduction were examined in column experiments. The Ni-Fe materials were prepared by plating 0.25 wt% nickel onto acid-washed (clean) and unwashed (oxide-covered) granular iron using both displacement and electroless methods. For a short, initial period (300 PV), acid-washed Ni-Fe degraded TCE faster than unwashed Ni-Fe. As deactivation proceeded, there was no significant difference in TCE reduction rates in acid-washed and unwashed Ni-Fe columns. Both methods plated nickel onto acid-washed iron effectively. Displacement plating, however, could not deposit nickel onto unwashed iron. Particle size was another important factor affecting Ni-Fe performance. The source of iron (e.g., Fisher vs. Connelly), however, had only limited effect. Methods for regenerating Ni-Fe were tested using N-nitrosodimethylamine. A partial recovery of the Ni-Fe reactivity was achieved by (1) flushing the column with water, (2) flushing the column with 0.01 NH 2 SO 4, and (3) stopping the flow to the column periodically. Of the methods tested, flushing with acid proved to be the most effective in restoring the Ni-Fe activity.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,002 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».