Green Nanoparticles Investigation to Remove Water Pollutants by Fenton Reaction Using Celery Leaves Extract
Notice bibliographique
Résumé
Wastewater containing dyes is a major source of environmental pollution. The purpose of this study is to evaluate the use of celery leaves extract employed to prepare zerovalent Iron nanoparticles (C-nZVFe) as a catalyst in Fenton reaction. The getting nanoparticles are then applied to decolorization aqueous solutions containing orange (OG) dyes. The C-nZVFe catalyst has been characterized by Fourier transformed infrared (FTIR) spectroscopy, X-ray diffraction (XRD), Field emission scanning electron microscopy (FESEM) techniques for the investigation of structural and surface morphology properties. The size and surface area of synthesized C-nZVFe are observed around 40 -55 nm. Using ultraviolet-visible (UVvis) spectroscopy, the amount of dye in the aqueous sol is observed. Orange G removal percentage (100 mg L -1 ) reached 86% [35 mg L -1 , 60 min, and pH 4]. C-nZVFe nanoparticles demonstrated more efficient percentage capacity as a Fenton catalyst removal and are more economical, efficient, and recyclable than other conventional Fenton oxidation catalysts.
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 | 0,000 | 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 ».