Photocatalytic degradation of red dye: optimisation using RSM
Notice bibliographique
Résumé
The aim of this research was to apply experimental design methodology to the optimisation of the photocatalytic degradation of red dye present in waste water. This paper reports the broad range of several photocatalyst composite efficiencies for photocatalytic degradation of red dye in waste water samples from textile industries. Three composites, which were graphitic carbon nitride (g-carbon nitride (C 3 N 4 ))/zinc oxide (ZnO), g-carbon nitride/titanium dioxide (TiO 2 ) and zinc oxide nanoparticles, were prepared using different precursors (zinc chloride, zinc nitrate etc.). The catalysts were characterised by Fourier transform infrared spectroscopy, scanning electron microscopy and transmission electron microscopy. The catalytic performance of different photocatalysts was tested using different variables such as dosage, stirring speed, composite structure and dye concentration. Two methods were used to optimise the operating conditions. The results indicate that the photocatalytic degradation of the red dye solution at the resulting optimum condition, which was found to be after 90 min of ultraviolet irradiation, can reach 68, 57 and 53% when using zinc oxide nanoparticles, titanium dioxide/carbon nitride and zinc oxide/carbon nitride, respectively, as catalysts.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».