MétaCan
Menu
Retour à la cohorte
Enregistrement W2771495333 · doi:10.5539/mas.v11n12p102

Preparation of Activated Carbon from Acacia (Vachellia seyal) Tree Branches and Application to Treat Wastewater Containing Methylene Blue Dye

2017· article· en· W2771495333 sur OpenAlexvenueno aff
Muhammad Saleem, Mehmood Ali, Zia Mahmood Siddiqi, Abdulrahman Saud Al Qahtani

Notice bibliographique

RevueModern Applied Science · 2017
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesKing Fahd University of Petroleum and Minerals
Mots-clésWastewaterActivated carbonMethylene bluePulp and paper industryPhosphoric acidNuclear chemistryChemistryIodine valueAcaciaEnvironmental scienceBotanyEnvironmental engineeringOrganic chemistryBiologyAdsorption

Résumé

récupéré en direct d'OpenAlex

Saudi Arabian desert tree Acacia (Vachellia Seyal) used to produce Activated Carbon (AC) by phosphoric acid mediated chemical activation at low temperature. Characterization of AC done based on proximate and detailed analysis including Moisture content, Total Ash content, pH value, Iodine number, Methylene blue number, pore volume and BET surface area. Results revealed that properties of produced activated carbon (PAC) are comparable to commercial activated carbon (CAC). Low ash content and hardness making it suitable for water and wastewater treatment. Cost of production found to be less than $0.5/kg. Both AC used to treat wastewater containing Methylene Blue (MB) dye. Initially the removal efficiency of CAC is higher than the PAC however, both AC reached to similar removal (95.3% for PAC and 98.2% for CAC) within one hour. Growing demand of AC in the country can be meet by producing low cost locally available waste materials Acacia seyal tree branches.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,286
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), 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

Citations14
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueModern Applied ScienceMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207