MétaCan
Menu
Retour à la cohorte
Enregistrement W2604006593 · doi:10.1021/acs.est.7b00089

Impact of Pore Size on Fenton Oxidation of Methyl Orange Adsorbed on Magnetic Carbon Materials: Trade-Off between Capacity and Regenerability

2017· article· en· W2604006593 sur OpenAlexaff
Ye Xiao, Josephine M. Hill

Notice bibliographique

RevueEnvironmental Science & Technology · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésAdsorptionMethyl orangeChemistryActivated carbonCarbon fibersChemical engineeringEnvironmental chemistryInorganic chemistryMaterials scienceCatalysisOrganic chemistryComposite materialPhotocatalysisComposite number

Résumé

récupéré en direct d'OpenAlex

The economic cleanup of wastewater continues to be an active area of research. In this study, the influence of pore size on regeneration by Fenton oxidation for carbon materials with adsorbed methyl orange (MO) was investigated. More specifically three carbon supports, with pore sizes ranging from mainly microporous to half microporous-half mesoporous to mainly mesoporous, were impregnated with γ-Fe 2 O 3 to make them magnetic and easy to separate from solution. The carbon samples were characterized before adsorption and after regeneration with hydrogen peroxide at 20 °C. In addition, adsorption kinetics and isotherms were collected, and the Weber–Morris intraparticle diffusion model and Freundlich isotherm model fit to the data. The adsorption capacity increased with increasing microporosity while the regeneration efficiency increased with increasing mesoporosity. Further experiments with varying regeneration and adsorption conditions suggested that the regeneration process may be kinetically limited. The MO adsorbed in the micropores was strongly adsorbed and difficult to remove unlike the MO adsorbed in the mesopores, which could be reacted under relatively mild conditions. Thus, there was a trade-off between adsorption capacity and regeneration.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

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 technologies0,0000,004
Communication savante0,0000,000
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 Opus0,014
Tête enseignante GPT0,265
Écart entre enseignants0,251 · 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.

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

Citations63
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetAdvanced oxidation water treatmentTravaux en français237 207