MétaCan
Menu
Retour à la cohorte
Enregistrement W2907092756 · doi:10.5155/eurjchem.9.4.311-316.1736

Removal of Methylene Blue in aqueous solutions by Electrocoagulation process: Adsorption, Kinetics, studies

2018· article· en· W2907092756 sur OpenAlexaff
Alain Stéphane Assémian, Konan Edmond Kouassi, Kopoin Adouby, Patrick Drogui, David Boa

Notice bibliographique

RevueEuropean Journal of Chemistry · 2018
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdvanced oxidation water treatment
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésElectrocoagulationChemistryMethylene blueAdsorptionAqueous solutionAnodeCathodeKineticsElectrochemistryKinetic energyCurrent densityNuclear chemistryAnalytical Chemistry (journal)Inorganic chemistryChromatographyElectrodeCatalysisOrganic chemistryPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to understand the mechanism driving the removal of methylene blue through electrocoagulation process. Experiments were carried out using iron as anode and cathode in a batch electrochemical cell operated in a monopolar configuration. The effects of operating parameters (initial pH, current density, initial dye concentration and energy consumption) on the removal of methylene blue from solution were investigated. The results showed that the optimum removal efficiency of 93.2% was achieved for a current density of 9.66 mA/cm2, optimal pH of 8±0.01 with a specific energy consumption of 7.451 kWh/m3. Afterwards, first and second-order rate equations were successively applied to study adsorption kinetics models. On top of usual correlation coefficients (r2), statistical test Chi-square (χ2) were applied to evaluate goodness of fit and consequently find out the best kinetic model. Results showed that MB adsorption process onto iron hydroxides formed in aqueous solution during electrocoagulation treatment followed a second-order kinetic.

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)0,000
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 enseignants0,005
Score d'incertitude au seuil0,328

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,016
Tête enseignante GPT0,266
Écart entre enseignants0,250 · 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

Citations16
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of ChemistryMême sujetAdvanced oxidation water treatmentTravaux en français237 207