Optimisation of orthophosphate and turbidity removal using an amphoteric chitosan-based flocculant–ferric chloride coagulant system
Notice bibliographique
Résumé
Environmental context The fate and build-up of phosphate nutrients in aquatic environments is an urgent environmental problem affecting global water security. This study, guided by a statistical design method, optimises the flocculation properties of a biopolymer for removing orthophosphate from water. This improved technology has potential widespread applications for removal of orthophosphate from water and wastewater treatment systems. Abstract A coagulation-flocculation process was employed to remove turbidity (Ti) and orthophosphate (Pi) in aqueous media using a ferric chloride (FeCl3) and a grafted carboxymethyl chitosan (CMC) flocculant system. The amphoteric CMC-CTA flocculant was synthesised by grafting 3-chloro-2-hydroxypropyl trimethylammonium chloride (CTA) onto the biopolymer backbone of CMC. Here, CMC-CTA denotes the covalent grafting of CTA onto CMC. Optimisation of the variables for Pi and Ti removal was conducted using a jar test system based on the experimental design obtained from the response surface methodology (RSM). The Box–Behnken design was used to evaluate the individual and interactive effects of four independent variables: CMC-CTA dosage, FeCl3 dosage, pH and settling time. The RSM analysis showed that the experimental data followed a quadratic polynomial model with the following optimal conditions: [CMC-CTA] = 3.0 mg L-1, [FeCl3] = 10.0 mg L-1, pH 6.8 and settling time = 35 min. Optimum conditions led to a Pi removal of 96.4 % and turbidity removal of 96.7 % based on the RSM optimisation, in good agreement with experimental results with an initial concentration of 30.0 mg Pi L-1. The coagulation-flocculation process is characterised by a combination of electrostatic charge neutralisation, polymer bridging and a polymer adsorption mechanism.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 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 ».