Kinetic and parametric studies of refinery effluent treatment in electrochemical reactor
Notice bibliographique
Résumé
Treatment of refinery effluent using an electrocoagulation reactor assisted with a natural coagulant, from Acacia tortilis, was investigated under controlled operating conditions. The influence of process variables – namely, type of electrode (copper (Cu), steel and aluminium (Al)), effluent pH (3·5–11·5), influent chemical oxygen (O 2 ) demand (COD) of the effluent (605–2420 mg/l), coagulant dosage (1·0–6·0 g/l), voltage (15–45 V) and current (1·5–2·5 A) – on the COD removal efficiency was investigated. Among the different electrodes tested, the aluminium electrode performed well and could remove 74·2% at an equilibrium time of 90 min. Formation of the aluminium hydroxide (Al(OH) 3 ) complex was identified as the working mechanism. The optimal conditions for better COD removal efficiency were identified as pH 5·5, coagulant dose of 4·0 g/l, voltage of 45 V and current of 2·5 A. The empirical relationship between the coagulant dose and the COD removal percentage was found to be exponential in nature. A pseudo-second-order kinetic model was found to represent the experimental data very well (coefficient of determination > 0·900) and the kinetic constant (k 2 ) was estimated as 0·20 × 10 −3 (g/mg)/min at an initial effluent COD of 2420 mg/l.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».