MétaCan
Menu
Retour à la cohorte
Enregistrement W3021665072 · doi:10.5539/enrr.v10n2p33

Catalytic Abatement of VOCs: Aerobic Combustion of Methane or Ethane over Alumina-Supported Metal Oxides Recovered from Spent Catalysts

2020· article· en· W3021665072 sur OpenAlexvenueno aff
Saad Tahir, Hallo Mustafa Askari

Notice bibliographique

RevueEnvironment and Natural Resources Research · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueCatalytic Processes in Materials Science
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCatalysisMethaneInorganic chemistryOxideMetalTransition metalCatalytic combustionChemistryCombustionCopper oxideMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

γ-Al2O3 supported Cu, Cu-Zn and Cu-Ni-Fe-Zn oxide catalysts were prepared using leachate transition metal nitrate and sulfate aqueous solutions from commercial spent catalysts. A bench-scale rig was used to investigate the combustion activity of these catalysts toward methane or ethane in the air stream (1000 ppmv) at a space velocity of 20,000 h-1. The Cu-Ni-Fe-Zn oxides/γ-Al2O3 catalyst proved to be the most active catalyst for the combustion of methane in the temperature range 290-575°C and of ethane in the lower temperature range of 275-525oC as compared to Cu and Cu-Zn oxide loaded catalysts. X-ray powder diffractograms indicated that the metal oxide species were highly dispersed or amorphous on the alumina surface in all the catalysts except for the detection of a minority phase of monoclinic CuO on the Cu-containing mono-metallic catalysts. The co-existence of ZnO in the CuO catalysts suppresses the activity of the copper oxide species and, therefore, the conversion of methane or ethane was reduced. The present research endeavor provides proof-of-concept that relatively inexpensive metal oxide-based heterogeneous catalysts for VOCs abatement can be recovered from spent catalysts. Hence, environmental and health threats of improper handling of VOCs or spent catalysts may be alleviated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,003
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,052
Tête enseignante GPT0,316
Écart entre enseignants0,264 · 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 tête enseignante, pas un consensus.

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Natural Resources ResearchMême sujetCatalytic Processes in Materials ScienceTravaux en français237 207