Modeling RSM of photocatalytic treatment of Acid Red 18 pollutant using ZnO–Cr nano-photocatalyst, kinetic studies, and energy management
Notice bibliographique
Résumé
The ZnO–Cr nano-photocatalyst was synthesized using a microwave-assisted solution combustion method and applied for the photodegradation of the organic pollutant Acid Red 18 (AR18). The synthesized nano-photocatalyst was characterized by XRD, FESEM, EDX, and FTIR methods. To reach the optimal condition of the treatment, the response surface methodology was used in the central composite design model. The amount of nano-photocatalyst, pH of the solution, and initial concentration of the pollutant were optimized. The polynomial 3-degree model was fitted to the photodegradation data, and the correlation coefficients of the model showed an interaction between the parameters. Optimization of the polynomial model for pollutant treatment was investigated under the same conditions, and the comparison of the observed and predicted treatment models showed a low difference in decolorization. The intermediates were identified by liquid chromatography/mass spectrometry. A kinetic study showed that the first-order kinetic constant for the degradation of pollutant concentrations from 10 to 30 mg L−1 changed from 0.0178 to 0.0058 min–1. Finally, economic evaluation and energy management of the process showed that the decolorization process was more economical at low pollutant concentrations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».