Optimization of sulfate removal from injection water using multi-walled carbon nanotubes by response surface methodology
Notice bibliographique
Résumé
One of the major operators' concerns in the injected water into oil reservoirs is the water source itself because sulfate scale formation occurs during waterflooding due to the incompatibility of injected and produced waters. In this work, multiwalled carbon nanotubes (MWCNTs) were prepared by chemical vapor deposition of condensate-gas at 1000 °C and oxidized with an acid mixture at 115 °C for 2 h and then applied as adsorbent for sulfate-removal. Variables Effects such as temperature, adsorbent dose, time and stirring speed, and their interactions during the adsorption were determined and optimized by response surface methodology (RSM) via central composite factorial design (CCF). The experimental data were examined by variance analysis (ANOVA) and fitted to a second-order polynomial equation. The optimum conditions were initial concentration = 800 mg/L, adsorbent dose = 0.14447 g, pH = 7, and temperature = 74.21 °C, 530 rpm during 240 min, and maximum sulfate-removal of 96% was achieved. Isotherm models were investigated to describe the sulfate-adsorption data and a higher suitable to the Langmuir isotherm was found. Kinetic studies showed that the adsorption followed a pseudo-second-order reaction. The thermodynamic parameters indicated that adsorption was spontaneous and endothermic. Overall, MWCNTs are promising adsorbents for water treatment and have great potential application in oilfields to reduce scale ion content from the source.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».