MétaCan
Menu
Retour à la cohorte
Enregistrement W4289886841 · doi:10.1680/jenes.21.00082

Amorphous adsorbent from geothermal solid waste for methylene blue removal

2022· article· en· W4289886841 sur OpenAlexvenueno aff
John Philia, Widayat Widayat, Sulardjaka Sulardjaka

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2022
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdsorptionLangmuir adsorption modelAqueous solutionAmorphous solidSodium hydroxideMaterials scienceChemistryChemical engineeringMethylene blueInorganic chemistryOrganic chemistryCatalysisPhotocatalysis

Résumé

récupéré en direct d'OpenAlex

Organic compounds such as dyes and heavy metal ions are common pollutants in waste water that have become a global problem. Adsorption has proven to be a successful technique in removing organic species such as methylene blue (MB). Geothermal solid waste has the potential to be used as an adsorbent due to its silica content. The silica compound in geothermal waste has the potential to be developed as porous material. Aluminium hydroxide and geothermal solid waste were added to the aqueous alkali (sodium hydroxide (NaOH)) in a continuous stirred-tank reactor, which resulted in an amorphous mesoporous material of the natrolite phase. The performance of the geoadsorbent was evaluated through the removal of various concentrations of MB, and isotherm adsorption models were used to evaluate the data. The adsorption mechanisms of MB removal by the geoadsorbent as shown by Fourier transform infrared spectra are electrostatic attraction and hydrogen-bond formation. The geoadsorbent can remove MB up to 84.449%, in which the adsorption is highly dependent on the initial concentration of MB. The Langmuir isotherm model provides the most accurate representation of MB adsorption as a result of the physical process, with a correlation coefficient of 0.971.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,655
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0010,000

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 Opus0,006
Tête enseignante GPT0,199
Écart entre enseignants0,193 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207