Применение циклической вольтамперометрии при моделировании долговременной эксплуатации системы «Металл полимерное покрытие»
Notice bibliographique
Résumé
Despite being an old process from the end of the 19<sup>th</sup> century, electrosorption has attracted renewed attention in recent years because of its unique properties and advantages compared to other separation technologies and due to the concomitant development of new porous electrode materials. Electrosorption offer the advantage to separate the pollutants from wastewater with the possibility of selectively adsorbing and desorbing the targeted compounds. A comprehensive review of electrosorption is provided with particular attention given to the electrosorption of organic compounds, unlike existing capacitive deionization review papers that only focus on inorganic salts. The background and principle of electrosorption are first presented, while the influence of the main parameters (e.g., electrode materials, electrode potential, physico-chemistry of the electrolyte solutions, type of compounds, co-sorption effect, reactor design, etc.) is then detailed and the modeling and engineering aspects are discussed. Finally, the main output and future prospects about recovery studies and combination between electro-sorption/desorption and degradation processes are given. This review particularly highlights that carbon-based materials have been mostly employed (85% of studies) as porous electrode in organics electrosorption, while existing studies lack of electrode stability and durability tests in real conditions. These electrodes have been implemented in a fixed-bed reactor design most of the time (43% of studies) due to enhanced mass transport. Moreover, the electrode potential is a major criterion: it should be applied in the non-faradaic domain otherwise unwanted reactions can easily occur, especially the corrosion of carbon from 0.21 V/standard hydrogen electrode or the water oxidation/reduction. Furthermore, there is lack of studies performed with actual effluents and without addition of supporting electrolyte, which is crucial for testing the real efficiency of the process. The associated predictive model will be required by considering the matrix effect along with transport phenomena and physico-chemical characteristics of targeted organic compounds.
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 | 0,001 |
| 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) | 0,003 | 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 ».