MétaCan
Menu
Retour à la cohorte
Enregistrement W4307712174 · doi:10.1155/2022/1374993

Electrochemical Denitrification of Synthetic Aqueous Solution and Actual Contaminated Well Water: RSM Modeling, Kinetic Study, Monte Carlo Optimization, and Sensitivity Analysis

2022· article· en· W4307712174 sur OpenAlexaff
Fahimeh Shamseali, Farzaneh Mohammadi, Hamidreza Pourzamani, Mahsa Janati

Notice bibliographique

RevueInternational Journal of Chemical Engineering · 2022
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueAmmonia Synthesis and Nitrogen Reduction
Établissements canadiensLakehead University
Organismes subventionnairesStudent Research Committee, Tabriz University of Medical SciencesIsfahan University of Medical Sciences
Mots-clésMonte Carlo methodSensitivity (control systems)Aqueous solutionElectrochemistryContaminationDenitrificationKinetic energyKinetic Monte CarloEnvironmental scienceMaterials scienceChemistryProcess engineeringBiological systemElectrodeEngineeringMathematicsNitrogenPhysical chemistryPhysicsElectronic engineering

Résumé

récupéré en direct d'OpenAlex

The process of electrochemical denitrification is applied with the aim of converting nitrate () to N 2 gas by reducing nitrate and oxidizing by‐products such as ammonia (). In this study, Ti/RuO 2 and graphite were used as anode and cathode electrodes, respectively, to treat synthetic aqueous solutions containing different concentrations of nitrate ions. Nitrate initial concentration (2.75–55 mg NO 3 ‐N/lit), voltage (2.5–30 V), pH (3–13), electrode distance (ED = 0.5–3.5 cm), and reaction time (10–180 min) were the main studied operating parameters for the electrochemical denitrification (ECD) reactor. The experiments were designed using the central composite design (CCD) method. The experimental results were modeled with the response surface methodology (RSM) technique. Scanning electron microscope (SEM), X‐ray diffraction analyzer (XRD), and Fourier transform infrared spectroscopy (FTIR) characterized electrodes were performed before and after all experiments. Optimization and sensitivity analysis was performed using the Monte Carlo simulation (MSC) approach. The energy consumption and current efficiency were calculated for the ECD reactor. Kinetic models of zero, first, and second order were evaluated, and the second‐order model was selected as the best kinetic model. Also, the effect of adding monovalent, divalent salts, and organic compounds to the process was evaluated. Finally, three nitrate‐contaminated water wells were selected near agricultural lands as real samples and investigated the performance of the ECD process on the samples. The performance of the ECD reactor for the real samples showed some decrease compared to the synthetic samples.

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)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,005
Tête enseignante GPT0,199
Écart entre enseignants0,194 · 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'étudeSimulation ou modélisation
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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Chemical EngineeringMême sujetAmmonia Synthesis and Nitrogen ReductionTravaux en français237 207