Modification of chitosan with cellulose and gelatin for the removal of Cu <sup>2+</sup> , Fe <sup>2+</sup> , and Pb <sup>2+</sup> from oily wastewater
Notice bibliographique
Résumé
Abstract In this study, chitosan was modified with cellulose and gelatin for the removal of Cu 2+ , Fe 2+ , and Pb 2+ from oily wastewater. Chitosan was characterized using Fourier‐transform infrared spectroscopy (FTIR), scanning electron microscopy (SEM), and X‐ray diffraction (XRD). Carbon (77.54%), hydrogen (10.30%), oxygen (8.89%), nitrogen (2.74%), and sulphur (0.53%) were found in the organic constitution of the oil utilized, according to elemental analysis. Despite the presence of other metal ions in the used oil and effluent, this study focused solely on Cu 2+ , Fe 2+ , and Pb 2+ . Studies on the removal of Cu 2+ , Fe 2+ , and Pb 2+ from oily wastewater were conducted, and multiple effect factors such as temperature and pH, time and pH, solvent and pH, temperature and time, temperature and solvent, and time and solvent were evaluated. An adsorption study was performed to remove the heavy metals. The results revealed that the highest percentage removal of Cu 2+ was 96.62 (pH = 7.52 and conductivity = −12 mV), of Fe 2+ was 97.95 (pH = 6.30 and conductivity = +68 mV), and of Pb 2+ was 98.86 (pH = 10.58 and conductivity = −170 mV). To analyze the impacts of experimental factors, experiments were developed using central composite design (CCD) based on response surface methodology (RSM).
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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».