Removal of Organoselenium from Aqueous Solution by Nanoscale Zerovalent Iron Supported on Granular Activated Carbon
Notice bibliographique
Résumé
Nanoscale zerovalent iron particles (nZVI) immobilized on coconut shell-based granular activated carbon (GAC) were studied to remove organoselenium from wastewater. A chemical reduction technique that involves the application of sodium borohydride was adopted for the adsorbent preparation. The texture, morphology and chemical composition of the synthesized adsorbents were analyzed with a scanning electron microscope (SEM), nitrogen adsorption–desorption isotherms and X-ray diffraction (XRD). Batch experiment with various pHs and contact times were conducted to evaluate nZVI/GAC adsorption performance. The results showed that nZVI/GAC has a strong affinity to adsorb selenomethionine (SeMet) and selenocysteine (SeCys) from wastewaters. The maximum removal efficiency for the composite (nZVI/GAC) was 99.9% for SeCys and 78.2% for SeMet removal, which was significantly higher than that of nZVI (SeCy, 59.2%; SeMet, 10.8%). The adsorption kinetics were studied by pseudo-first-order (PFO) and pseudo-second-order (PSO) kinetic models. Amongst the two, PSO seemed to have a better fit (SeCy, R2 > 0.998; SeMet, R2 > 0.999). The adsorption process was investigated using Langmuir and Freundlich isotherm models. Electrostatic attraction played a significant role in the removal of organoselenium by nZVI/GAC adsorption. Overall, the results indicated that GAC-supported nZVI can be considered a promising and efficient technology for removing organoselenium from wastewater.
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) | 0,000 | 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 | 0,001 | 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 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 ».