Adsorption optimization of a biomass‐based fly ash for treating thermomechanical pulping (TMP) pressate using definitive screening design (DSD)
Notice bibliographique
Résumé
Abstract Wood chips are pretreated with steam or hot water prior to refining in a thermomechanical pulping (TMP) process. Currently, the resultant effluent (i.e., TMP pressate) must be treated in the wastewater treatment facility of the mill. Biomass fly ash is also generated in pulp mills as a residue from burning wood and other biomass in boilers. Fly ash utilization is currently limited and most of it is landfilled worldwide. In this study, biomass fly ash is used as an adsorbent for removing lignocelluloses from a TMP pressate. Biomass fly ash samples were fractionated, and the results showed that their carbon content decreased, but their metal content increased, as the particle size of the fly ash decreased. The main factors impacting the chemical oxygen demand (COD) and lignin concentration of a TMP pressate via treating with biomass fly ash samples (FA1 and FA2) were determined. Model equations and optimum conditions for these reductions were developed using definitive screening design (DSD). Generally, FA1 was considered a more effective adsorbent than FA2. The maximum COD removal from a TMP pressate (91.3 %) was achieved by using FA1 with a particle size of 0.43 mm at a dosage of 70 mg/g FA1/TMP pressate and a treatment time of 2 h. The maximum lignin removal from the TMP pressate (95 %) was obtained by using FA1 with a particle size of 0.11 mm at a dosage of 46.5 mg/g FA1/TMP pressate.
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 | 0,001 | 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 ».