MétaCan
Menu
Retour à la cohorte
Enregistrement W2912528731 · doi:10.3390/w11020310

Treatment of Aquaculture Wastewater through Chitin/ZnO Composite Photocatalyst

2019· article· en· W2912528731 sur OpenAlexaff
Lin Xiajing, Aili Yang, Guohe Huang, Xiong Zhou, Yuanyuan Zhai, Xiujuan Chen, Ed McBean

Notice bibliographique

RevueWater · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensUniversity of GuelphUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésChitinPhotocatalysisCalcinationWastewaterMaterials scienceChemical engineeringComposite numberNuclear chemistryNanocompositeChitosanPulp and paper industryNanotechnologyChemistryComposite materialEnvironmental engineeringCatalysisOrganic chemistryEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This paper proposed a newly explored composite photocatalyst, Chitin/ZnO, prepared via the sol-gel method for exploring its photocatalytic activity in the simulated aquaculture wastewater under UV irradiation. The study mainly involves the application of Chitin/ZnO from three aspects: the structure, the principle and the degradation efficiency. The effects of purification operation factors including mass ratio rate, dosage, calcination temperature, initial NH4+–N concentration and illumination conditions on the NH4+–N removal effectiveness were investigated. Optimum conditions were explored through orthogonal experiments, which revealed that 88.73% NH4+–N removal from 60 mg/L synthetic wastewater was achieved by direct illumination for 120 min. Additionally, Chitin/ZnO photocatalysts (mass ratio of 2:3) at a calcination temperature of 500 °C were favorable for Chitin loaded over a ZnO lattice. The obtained nanoparticles of Chitin/ZnO were characterized using SEM and X-ray diffraction. The purpose of this paper is to grope for an economical and easy method of Chitin/ZnO powder preparation and to provide a practical approach for future research on the photocatalytic purification of aquaculture wastewater.

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 enseignants0,002
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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,244
Écart entre enseignants0,225 · 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

Citations26
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaterMême sujetWater Quality Monitoring TechnologiesTravaux en français237 207