Removal of methylene blue and safranin orange pollutants from liquid effluents by soy residue
Notice bibliographique
Résumé
Abstract Methylene blue and safranin orange dyes, which are used in the textile and pharmaceutical industries, can severely damage the environment and human health. This study investigated the use of okara residue as an alternative biosorbent for the removal of methylene blue and safranin orange dyes. Substantial amounts of okara residue are generated daily during the processing of soy milk in the agro‐industrial sector. Dye adsorption was not affected by pH. An adsorption study identified the optimal experimental conditions as: 298 K, 0.03 g of adsorbent in 30 mL of dye solution at a concentration of 50 mg L −1 , and a contact time of 300 min for methylene blue dye, and 298 K, 0.02 g of adsorbent in 30 mL of dye solution at a concentration of 50 mg L −1 , and a contact time of 200 min for safranin orange dye; the maximum adsorption capacities were 93.201 ± 0.01 and 184 592 ± 0.02 mg g −1 , respectively. Okara has considerable advantages over other natural materials as an alternative for the treatment of industrial effluents. Because it is easily obtained and does not require any physicochemical treatment, adsorption does not require any specific operation temperature. In addition, okara exhibited a high adsorption capacity compared to other natural materials that require chemical and physical processing for adsorbent preparation.
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 ».