MétaCan
Menu
Retour à la cohorte
Enregistrement W4220838120 · doi:10.18280/ijdne.170114

The Utilization of Corn Stalks as Biochar to Adsorb BOD and COD in Hospital Wastewater

2022· article· en· W4220838120 sur OpenAlexvenueno aff
Daud K. Walanda, Alam Anshary, Mery Napitupulu, Ryka M. Walanda

Notice bibliographique

RevueInternational Journal of Design & Nature and Ecodynamics · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueNatural Products and Applications
Établissements canadiensnon disponible
Organismes subventionnairesUniversitas Tadulako
Mots-clésBiocharBiochemical oxygen demandPyrolysisWastewaterAdsorptionPulp and paper industryActivated carbonWaste managementChicken manureChemistryEnvironmental chemistryEnvironmental scienceChemical oxygen demandEnvironmental engineeringFertilizerOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Biochar preparation from biomass and organic materials such as fruit peels, livestock manure, wood chips, and other agricultural residues has been studied. Those materials are prepared through a pyrolysis process, heating at a specific temperature, then utilized for adsorption waste pollution such as heavy metal ions. This study aimed to produce activated biochar from corn stalks (ABCS) as an adsorbent of BOD and COD in hospital wastewater. Activation of the biochar was carried out with an activator agent, namely ZnCl2. The moisture and ash content of activated biochar with a pyrolysis temperature of 400℃ and 500℃ meet SNI. SEM-EDS determined the pore and elements analysis. ABCS consist of 44.88 % and 60.56% of the carbon produced with different temperature of 400℃ and 500℃, respectively. One gram of ABCS reduced COD up to 71.4% in 4.5 hours and a maximum of 56.83% of BOD in 3 hours. While in an hour, a maximum of 2.5 g ABCS decreased COD 62.5% and 71.1% of BOD with the most of 1.5 g ABCS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,242
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design & Nature and EcodynamicsMême sujetNatural Products and ApplicationsTravaux en français237 207