MétaCan
Menu
Retour à la cohorte
Enregistrement W2894919975 · doi:10.2166/wst.2018.404

Mineralization of quinoline in aqueous solution by microwave-assisted catalytic wet peroxide oxidation system: process optimization, products analysis and degradation route research

2018· article· en· W2894919975 sur OpenAlexaff
Zhipeng Li, Feng Liu, Bo Zhang, Yi Ding, Hong You, Chao Jin

Notice bibliographique

RevueWater Science & Technology · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesFundamental Research Funds for the Central UniversitiesState Key Laboratory of Urban Water Resource and EnvironmentNatural Science Foundation of Shandong ProvinceHarbin Institute of TechnologyChina Postdoctoral Science Foundation
Mots-clésMineralization (soil science)QuinolineMicrowaveAqueous solutionChemistryCatalysisPeroxideDegradation (telecommunications)Mass spectrometryNuclear chemistryChromatographyChemical engineeringOrganic chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract The experimental design methodology was used to optimize the experimental parameters of quinoline mineralization by microwave-enhanced catalytic wet peroxide oxidation (CWPO). Initial pH value, temperature, H2O2 dosage, and microwave power were selected as independent variables. The mineralization efficiency approached 83.82% under the optimized conditions: initial pH 6.00, temperature 60 °C, H2O2 dosage 0.09 mol/L, and microwave power 565.10 W. Regression analysis with an R2 value of 0.9867 showed a good agreement between the experimental results and the predicted values. Furthermore, based on the detection and identification of products by gas chromatography mass spectrometry, the oxidation degradation pathways of quinoline were proposed. The energy balance and costs analysis indicated that the total cost of the microwave-enhanced CWPO process for wastewater treatment was 40.60 yuan/m3.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,077
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,006
Études des sciences et des technologies0,0000,002
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,015
Tête enseignante GPT0,281
Écart entre enseignants0,266 · 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.

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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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