Adsorption by Granular Activated Carbon and Nano Zerovalent Iron from Wastewater: A Study on Removal of Selenomethionine and Selenocysteine
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Selenomethionine (SeMet) and selenocysteine (SeCys) are the most common forms of organic selenium, which is often found in the effluent of industrial wastewater. These organic selenium compounds are toxic, bioavailable and most likely to bioaccumulate in aquatic organisms. This study investigated the use of two adsorbent candidates (granular activated carbon (GAC) and nano zerovalent iron (nZVI)) as treatment technologies for SeMet and SeCys removal. Batch experiments were performed and inductively coupled plasma optical emission spectrometer (ICP-OES) was used for sample analysis. Experimental data showed GAC demonstrated a higher affinity towards the removal of SeMet and SeCys compared to nZVI. The removal efficiency of SeCys and SeMet by GAC was 96.1% and 86.7%, respectively. NZVI adsorption capacity for SeCys was 39.4% and SeMet < 1.1%. Irrespective of the adsorbent, SeMet is more refractory to be adsorbed compared to SeCys. Kinetics data of GAC and nZVI agreed well with the pseudo-second-order model (R2 > 0.990). The experimental data of SeCys was characterized by Langmuir model, indicating monolayer adsorption. The adsorption capacity of nZVI for SeCys increased significantly by about 35%, with a decrease in pH from 9.0 to 4.0, indicating that SeCy removal by nZVI is pH dependent. While electrostatic attraction is considered the driving mechanism for nZVI adsorption, GAC uptake capacity is controlled by weak van der Waal forces. The adsorption of binary adsorbates (SeMet and SeCys) exhibited an inhibitory effect due to the competitive interaction between contaminant molecules.
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.
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 découle