Synthesis and efficacy of cactus-banana peels composite as a natural coagulant for water treatment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Aluminium and ferric salts continue to be used as coagulants in drinking water treatment. Natural coagulants can be used for the same purpose because they are cheaper, locally accessible and environmentally friendly. However, low production yields and high operation costs affect commercial adoption of natural coagulants from individual plants, hence the exploration of performance of their composites. This study evaluated the performance of cactus-banana peels composite as natural coagulant for water treatment because of the low cost nature of the two plants. Design Expert Software was used to design jar test experiments for attainment of optimum mixing ratio of the composite for determining optimum dosage, pH and extraction time for development of performance models. Performance of the coagulant was evaluated based on removal efficiencies of turbidity, total suspended solids (TSS) and Escherichia coli (E.coli). The goodness of fit for developed models was evaluated using R2 values and adequate precision. The optimal composition of the composite was cactus to banana peels ratio 0.62:0.38. The optimally mixed powder had a bulk density of 590 kg/m3 while the extracted liquid coagulant had pH and electrical conductivity of 7.05 and 1123 μs/cm, respectively. The optimum dosage, pH and extraction time were 12.25 ml/l, 7.31 and 26.53 min, respectively. Turbidity, TSS and E. coli removal efficiencies were 87.13, 82.15 and 84.02%, respectively. These results indicated good performance of the composite coagulant in water treatment compared to 82–99% for alum, the most commonly used commercial coagulant.
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.
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 découle