A low pressure SWCNT‐ENM sandwich membrane system for the removal of PPCPs from water
Notice bibliographique
Résumé
Abstract While carbon nanotubes are known as efficient adsorbents for removal of a number of contaminants from water, the possibility of their leaching into drinking water has prevented their application in water treatment. In this study, single walled carbon nanotubes (SWCNT) were sandwiched between two electrospun nanofibre membranes (ENM). The relatively small pore size of the ENM prevented the mechanically entangled nanotubes from passing through and contaminating the water. The performance of the SWCNT‐ENM was evaluated in a lab‐scale setup for the removal of PPCPs. For this purpose, a feed solution spiked with known concentrations of six PPCPs was passed through the membrane system. The target substances included acetaminophen (ACT), bezafibrate (BZF), iopromide (IOP), diclofenac (DCF), carbamazepine (CBZ), and sulphamethoxazole (SMX). The same test was also conducted using a single contaminant (ACT). Results demonstrated a decrease in the overall percent removal of PPCPs as feed flow rate and PPCP concentration increased. For multi‐component feeds containing equal amounts of the aforementioned PPCPs, the overall percent removal decreased from 90.8% to 71.0% when increasing the feed concentration from 30 to 600 μg/L. Experiments using sandwiched powdered activated carbon (PAC) showed that the dynamic adsorption capacity of PPCPs by SWCNT‐ENM was higher than that of PAC‐ENM, and remained unaffected by the feed composition. In addition, the high porosity of this novel membrane allowed for flow of water with low resistance such that the trans‐membrane pressure was found to be as low as 4 kPa at a pure water flux of 330 L/m 2 h.
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 | 0,001 | 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 ».