MétaCan
Menu
Retour à la cohorte
Enregistrement W2940913529 · doi:10.1007/s13201-019-0949-1

Impact of independent and non-independent parameters on various elements’ rejection by nanofiltration employed in groundwater treatment

2019· article· en· W2940913529 sur OpenAlexaff
Mohammad Mahdi Emamjomeh, Hossein Torabi, Milad Mousazadeh, Mohammad Hossein Alijani, Fariba Gohari

Notice bibliographique

RevueApplied Water Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésNanofiltrationChemistryGroundwaterMembraneDivalentWater treatmentChromatographyMagnesiumIonVolume (thermodynamics)Analytical Chemistry (journal)Environmental engineeringEnvironmental scienceGeologyThermodynamicsGeotechnical engineeringPhysicsOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Nanofiltration is one of the widely used robust methods in water sweetening throughout the world. This work highlights the comparison of the impact of independent and non-independent parameters on element rejection to treat groundwater of a region located in Qazvin province, Iran. A pilot-scale FILMTEC-NF90-4040 nanofilter membrane was applied. Samples were collected from three various wells and the volume of 50 cc was tested, each of which was tested three times, and then cations and anions were measured in raw water and treated water by ion chromatography. The data collection and operation of the system was performed by the 761 compact IC version 1.1 software where statistical analyses were performed with SPSS, version 19. Results showed that the degradation efficiency of divalent ions was greater than that of monovalent cations. The content of ion rejection in the nanofilter membrane was not an independent phenomenon. For instance, the results revealed that the presence of high magnesium ion is very effective in disposing sodium ion. At the same time, the rejection rate of ions does not always follow the Van’t Hoff series. Optimal pressure was determined to be 10 bar.

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)0,001
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
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 GPT0,237
Écart entre enseignants0,229 · 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'étudeSimulation ou modélisation
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

Citations34
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Water ScienceMême sujetMembrane Separation TechnologiesTravaux en français237 207