MétaCan
Menu
Retour à la cohorte
Enregistrement W4321782826 · doi:10.1680/jenes.22.00061

Reduction of chemical oxygen demand of vinasse using sugar cane bagasse ash geopolymer

2023· article· en· W4321782826 sur OpenAlexvenueno aff
Thabo Falayi

Notice bibliographique

RevueJournal of Environmental Engineering and Science · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueEnhanced Oil Recovery Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVinasseBagasseAdsorptionChemical oxygen demandChemistrySaturation (graph theory)Volumetric flow rateChromatographyPulp and paper industryWastewaterWaste managementOrganic chemistryFermentation

Résumé

récupéré en direct d'OpenAlex

The aim of this study was to determine the use of sugar cane bagasse ash geopolymer (SCBAG) as an adsorbent for organic compounds to reduce the chemical oxygen demand (COD) of vinasse. The effects of solid loading, time and temperature on batch adsorption were investigated, while the effects of bed height and flow rate were investigated through column studies. The adsorption of organic compounds onto SCBAG could be modelled well using the Langmuir isotherm and pseudo-second-order kinetics. The maximum batch adsorption capacity was 738 mg/g at 298.15 K after 5 h of adsorption. The column studies showed that the highest COD reduction of 81% could be achieved using a flow rate of 2.5 ml/min and a bed height of 13 cm. These conditions gave a dynamic uptake of 107 458 g and a breakthrough time of 600 min. The column adsorption could be best described using the Bohart–Adams model, giving a correlation coefficient of 0.98, a Bohart–Adams rate constant of 3.05 × 10−8 l/(mg min) and a saturation concentration of 6.93 × 107 g/l. The SCBAG could be regenerated and be used as an adsorbent in three cycles without significant loss in adsorption capacity.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 GPT0,203
Écart entre enseignants0,197 · 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'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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Environmental Engineering and ScienceMême sujetEnhanced Oil Recovery TechniquesTravaux en français237 207