MétaCan
Menu
Retour à la cohorte
Enregistrement W2953932853 · doi:10.1680/jenes.19.00016

Kinetic and parametric studies of refinery effluent treatment in electrochemical reactor

2019· article· en· W2953932853 sur OpenAlexvenueno aff
Natarajan Rajamohan, Fatma Al Fazari, M. Rajasimman

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2019
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEffluentChemical oxygen demandChemistryElectrocoagulationPulp and paper industryRefineryNuclear chemistryBatch reactorElectrochemistryElectrodeChromatographyWastewaterEnvironmental engineeringEnvironmental science

Résumé

récupéré en direct d'OpenAlex

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 (O2) 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 (k2) 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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,218 · 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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetWater Quality Monitoring and AnalysisTravaux en français237 207