MétaCan
Menu
Retour à la cohorte
Enregistrement W4385222550 · doi:10.3390/pr11072198

The Effect of Cu2+ and Pb2+ in the Feed Solution on the Water and Reverse Solute Fluxes in the Forward Osmosis (FO) Process Using Nanofiltration (NF) Membranes

2023· article· en· W4385222550 sur OpenAlexafffund
Amirsajad Atashgar, Daryoush Emadzadeh, Boguslaw Kruczek

Notice bibliographique

RevueProcesses · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésNanofiltrationForward osmosisMembraneReverse osmosisChemical engineeringFoulingChemistryThin-film composite membraneInterfacial polymerizationOsmosisMaterials scienceOrganic chemistryPolymerMonomer

Résumé

récupéré en direct d'OpenAlex

The application of nanofiltration (NF) membranes in the forward osmosis (FO) process to remove heavy metal ions from wastewater is an emerging concept. Unlike NF, FO does not require an external driving force. Although the product, a dilute draw solution, must further be processed by NF to produce pure water and reconcentrate a draw solution, the feed to that NF process is “clean”, which minimizes membrane fouling. This paper examines the role of Cu2+ and Pb2+ in the feed solution on the water and the reverse solute fluxes in FO process using novel thin film nanocomposite (TFN) NF membranes. The TFN membranes were fabricated by in situ interfacial polymerization of piperazine (PIP) and 1,3,5-benzenetricarbonyl trichloride (TMC) containing different amounts of dispersed halloysite nanotubes (HNTs) nanoparticles functionalized with the first generation of poly(amidoamine) (PAMAM) dendrimers. The presence of Cu2+ and Pb2+ in the feed solution decreased the reverse flux of MgCl2 by at least 2.5 times compared to the experiments with pure water as a feed. Simultaneously, the water flux also increased. The corresponding rejections of Cu2+ and Pb2+ in the FO process ranged from 94.5% to 98.1%.

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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,266
Écart entre enseignants0,246 · 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

Citations6
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProcessesMême sujetMembrane Separation TechnologiesTravaux en français237 207