MétaCan
Menu
Retour à la cohorte
Enregistrement W2797026340 · doi:10.30638/eemj.2018.048

REMOVAL OF AQUEOUS Cu(II) WITH NATURAL KAOLIN: KINETICS AND EQUILIBRIUM STUDIES

2018· article· en· W2797026340 sur OpenAlexaff
Qiang Tang, Wei Liu, Zhenze Li, Yan Wang, Xiaowu Tang

Notice bibliographique

RevueEnvironmental Engineering and Management Journal · 2018
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCrystallization and Solubility Studies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésKineticsAqueous solutionNatural (archaeology)ChemistryThermodynamicsChemical engineeringPhysical chemistryGeologyPhysicsEngineering

Résumé

récupéré en direct d'OpenAlex

Copper pollution is common across the world and has caused serious public health problems recently.Among the conventional methods, adsorption has proved effective, economic, versatile and simple for the removal of aqueous Cu(II) contaminants.Deposits of natural Kaolin are abundant around the world, and are regarded as valueless due to its limited usage in industry.In this study, the adsorption behavior of natural Kaolin towards Cu(II) was evaluated.According to the results, the isothermal adsorption data are well fitted with Sips model, and the adsorption capacity of natural Kaolin to Cu(II) is determined to be 76 mg/g.Several factors can affect the adsorption performance of Cu(II), including dosage of adsorbent, initial Cu(II) concentration, solution pH, temperature and contact time.The kinetics data are also well predicted by the pseudo-first order kinetics and the pseudo-second order kinetics; the equation of the intraparticle diffusion model could be considered as a supplement.The thermodynamic behavior reveals the endothermic and spontaneous nature of the adsorption.The mechanism for the adsorption behavior was studied based on XRD spectra, and ion-exchange reaction and surface complexation were regarded as predominant.

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)0,001
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,204 · 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

Citations15
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Engineering and Management JournalMême sujetCrystallization and Solubility StudiesTravaux en français237 207