Improving the ZnO-photocatalytic degradation of humic acid using powdered residuals from water purification plant
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
Abstract Alum residuals were collected from a water treatment plant and used for improving the photocatalytic degradation of humic acid (HA) by combinations of zinc oxide (ZnO) and powdered residuals from a water purification plant (PRWPP). The influence of operating conditions such as initial humic acid concentration, pH, irradiation time, PRWPP to ZnO ratio, catalyst dose, and light illuminance have been investigated. The optimum PRWPP to ZnO ratio was 10:90. Using the prepared composites instead of bare ZnO raised the HA removal efficiency from 85.5% to 97.8%, and from 38% to 48.1% at catalyst doses of 1.2 g/l and 0.4 g/l, respectively. Moreover, it reduced energy consumption from 210.4 to 166.2 Wh per mg of HA. An artificial neural network model (ANN) was developed to predict the removal efficiency under different operating conditions. The optimum ANN structure yielded a coefficient of determination (R2 = 0.993). A modified Langmuir-Hinshelwood pseudo-first-order model was used for describing the degradation kinetics at different initial concentrations of HA.
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 | 0,001 |
| 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