Investigation of micellar‐enhanced ultrafiltration ( <scp>MEUF</scp> ) using rhamnolipid for heavy metal removal from desalter effluent
Notice bibliographique
Résumé
Abstract The removal of heavy metals from desalter effluent is an important issue due to the toxicity of these pollutants. In this study, micellar‐enhanced ultrafiltration (MEUF) is applied for the removal of heavy metals from synthetic desalter effluent. MEUF is a process in which surfactants above their critical micellar concentration (CMC) form micelles. Micelles bind compounds with low molecular weight; then, these are rejected by a semi‐permeable membrane. Rhamnolipid is an anionic biosurfactant that has advantages such as biodegradability and low CMC. Rhamnolipid complexation with synthetic desalter effluent demonstrates high efficiency for heavy metal removal. The highest overall removal efficiency was reached at a rhamnolipid concentration of 300 mg/L with 94.07%, 81.93%, 99.81%, 76.00%, and 41.91% for Zn +2 , Mg +2 , Cu +2 , Mn +2 , and Na + , respectively. Additionally, loading capacity on rhamnolipid micelles was evaluated to have better selectivity for Mn +2 > Cu +2 > Zn +2 > Mg +2 > Na + . Also, the results showed that phenol has a significant effect on heavy metal removal, decreasing CMC, which increases micelles. Finally, the permeate flux decreases after increasing the rhamnolipid concentration due to the formation of the gel layer, creating an additional resistance to the permeate flux that goes through the membrane. This work shows that MEUF with rhamnolipid is a reliable method for heavy metal removal from desalter effluent.
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 | 0,000 |
| 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) | 0,000 | 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 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 ».