Development of Sustainable Nanosorbcats Based Technology for Hydrocarbons and Organic Pollutants Recovery from Industrial Wastewater
Notice bibliographique
Résumé
The worldwide shortage of fresh water and the huge competing demands from a variety of users stimulate an urgent need for finding innovative wastewater treatment processes. For instance, oil sand process-affected waters pose a critical energy issue and an environmental alert since these effluents are toxic to many aquatic and non-aquatic living organisms. In addition, some of these pollutants are non-biodegradable and, thus they will exist for a long time in the environment, which may cause a real challenge to the conventional wastewater treatment processes. Accordingly, economically viable and environmentally sound techniques are needed. The application of nanoparticle technology as adsorbents and catalysts (nanosorbcats), whether as a standalone or as an enabling technology, in cleaning up wastewater has recently received great attention. This is because of the unique chemical and physical properties of nanoparticles in comparison with their counterparts, which make them superior to the conventional adsorbent/catalysts. Hence, in the present study, the employment of newly in-house prepared silica-embedded nanosorbcats functionalized with active species of NiO and MgO for cleaning up produced water was investigated. A facile co-precipitation synthesis route was used to prepare those nanosorbcats, which were characterized by different characterization techniques like XRD, BET, HRTEM, CO2-TPD, and IR spectroscopy. The prepared nanosorbcats were then employed for the adsorptive removal of cationic, anionic, and organic acid model molecules. Computational modeling, DFT calculations, and MD simulations of the interaction between the model molecules and the surfaces of prepared nanoparticles were carried out to get more mechanistic insights into their adsorptive behaviors. Eventually, these nanosorbcats were successfully used to treat real SAGD produced waters within an experimental scheme including three processes, namely; oxy-cracking, packed-bed adsorption, and catalytic steam gasification.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».