MétaCan
Menu
Retour à la cohorte
Enregistrement W3023528254 · doi:10.5004/dwt.2020.25096

Adsorptive removal of nickel by modified natural adsorbents: optimization, characterization and application

2020· article· en· W3023528254 sur OpenAlexaff
Qingping Yi, Ruiyi Fan, Huiyu Min, Qinglin Zhang, Zhengrong Luo

Notice bibliographique

RevueDesalination and Water Treatment · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesnon disponible
Mots-clésNickelAdsorptionCharacterization (materials science)Natural (archaeology)Materials scienceChemistryChemical engineeringMetallurgyNanotechnologyEngineeringOrganic chemistryGeology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT The adsorptive removal of nickel by persimmon tannin-based adsorbents was first evaluated. NaOH modified persimmon powder-formaldehyde resin (NPPFR) showed significantly enhanced adsorption capacity towards Ni(II). The adsorption process was completely achieved equilibrium within 60 min, and the well-fitted pseudo-second-order kinetics data indicated that chemisorption is the main rate-limiting step. The adsorption isotherms followed the Langmuir model, where the maximum adsorption capacity reached 81.6 mg g –1 at pH 5.0. The adsorbed Ni(II) ions were desorbed by 0.1 mol L –1 HNO 3 and the regenerated adsorbent exhibited undiminished sorption efficiency for 4 cycles. The removal of Ni(II) from actual industrial wastewaters in both batch and column experiments was demonstrated to be effective. The adsorption mechanism was proposed to be electrostatic attraction and ion exchange. In addition, competition and replacement during the adsorption process were found in the multiple metal ions systems. The results indicated that NPPFR can serve as a low-cost, eco-friendly and effective alternative for Ni(II) removal in wastewater treatment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,009
Tête enseignante GPT0,217
Écart entre enseignants0,208 · 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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDesalination and Water TreatmentMême sujetExtraction and Separation ProcessesTravaux en français237 207