MétaCan
Menu
Retour à la cohorte
Enregistrement W2545549978 · doi:10.1139/cjc-2016-0220

Catalytic wet peroxide oxidation of phenol over ZnFe<sub>2</sub>O<sub>4</sub> nano spinel

2016· article· en· W2545549978 sur OpenAlexvenueno aff
Seyed Ali Hosseini, Khalil Farhadi, S. Siahkamari, Bayan Azizi

Notice bibliographique

RevueCanadian Journal of Chemistry · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCatalysisChemistryPhenolSpinelResponse surface methodologyZinc ferritePeroxideScanning electron microscopeFourier transform infrared spectroscopyInorganic chemistryCatalytic oxidationReaction rateNuclear chemistryZincChemical engineeringOrganic chemistryMaterials scienceMetallurgyChromatography

Résumé

récupéré en direct d'OpenAlex

The catalytic wet peroxide oxidation of phenol was investigated over ZnFe 2 O 4 nano spinels under different conditions designed by the experimental design. ZnFe 2 O 4 nano oxide was synthesized by the sol-gel combustion method and characterized by X-ray diffraction, Fourier transform infrared spectroscopy, and scanning electron microscope techniques. The mean particle size was determined to be around 80–90 nm. The experiments were designed by the Box–Behnken type of response surface methodology by considering four process variables: C H2O2 (mol L −1 ), ZnFe 2 O 4 amount (g), temperature (°C), and reaction time (min). The optimum condition for the degradation of the phenol was predicted by the response surface methodology. The optimal conditions for phenol degradation were at 0.144 M, 0.156 g, 70 °C, and 300 min of peroxide concentration, catalyst amount, temperature, and reaction time, respectively. The predicted response under these conditions was 99%, whereas the experimental test of predicted condition led to 97% degradation of phenol. Pareto analysis predicted that the order of relative importance of model terms is as follows: reaction temperature (29%) &gt; catalyst amount – reaction temperature (19%) &gt; reaction temperature – reaction time (14%) &gt; reaction time (10.9%) &gt; catalyst amount (9.8%). The study revealed that zinc ferrite nano spinels could be promising for removal of pollutants by the catalytic wet peroxide oxidation process.

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)0,001
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 enseignants0,003
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,001
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 Opus0,008
Tête enseignante GPT0,207
Écart entre enseignants0,199 · 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

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207