Uptake of Zn, Pb, Cu and Fe Ions from Spent and Unspent Engine Oil Using Termite Soil
Notice bibliographique
Résumé
Removal of Zn, Pb, Cu and Fe ions from unspent and spent engine oil was studied using Termite soil. Process parameters such as contact time and adsorbent dosage were varied. Values from contact time were used for predicting kinetics equation of their uptake. At optimum time of 40 minutes, percentage adsorption was of the order Fe>Zn>Cu>Pb for both spent and unspent engine oil. Kinetics equation such as Elovich, Intra-particle, Pseudo-first order and Pseudo-second order were tested. Results obtained shows that their sequestering pattern fit into the pseudo-second order kinetics. Initial reaction rates, h (mg/g.min) and α (mg. g-1min-1) for all metal ions obtained from Pseudo-second order and Elovich kinetic models followed the trends Zn>Fe>Cu>Pb and Zn>Fe>Pb>Cu respectively in spent engine oil while for unspent engine oil, the trend was Fe>Zn>Cu>Pb for h (mg/g.min) and Zn>Fe>Pb>Cu for α (mg. g-1min-1). Electrostatic attraction existing on the surface of the adsorbent assisted in the high initial reaction of Zn and Fe ions, implying good affinity of the ions for the adsorbent. Desorption constant ᵦ (g/mg) was of the trend Cu>Pb>Fe>Zn and Cu>Pb>Zn>Fe for spent and unspent engine oils respectively. Intra-particle diffusion constant kid (mgg-1min-1/2) followed a similar pattern, revealing strong binding between Zn and termite soil than any of the metal ion. This pilot research has been able to suggest a kinetic process for uptake of the studied ions from spent and unspent engine oil.
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) | 0,001 | 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 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 ».