MétaCan
Menu
Retour à la cohorte
Enregistrement W4388422059 · doi:10.24425/jwld.2021.138170

Investigation of nickel adsorption onto low Jordanian zeolite dose: efficiency and Langmuir – Freundlich behaviour

2021· article· en· W4388422059 sur OpenAlexaff
Ziad Al-Ghazawi, Ahmad Qasaimeh, Bilal B. Al-Bataina

Notice bibliographique

RevueJournal of Water and Land Development · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueExtraction and Separation Processes
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésLangmuirFreundlich equationZeoliteAdsorptionLandscape architectureNickelMaterials scienceEnvironmental scienceChemistryCivil engineeringMetallurgyEngineeringOrganic chemistryCatalysis

Résumé

récupéré en direct d'OpenAlex

In this work, nickel adsorption onto low Jordanian zeolite dose is being investigated. Natural zeolite doses were stirred continuously with nickel solutions in batch reactors at 180 RPM for 24 hours, where the temperature was set to 20°C. The pH was initially 4.5 and reached 5.2 at equilibrium. The removal efficiency of nickel reaches maximum value when the initial nickel concentration is around 1 ppm and then tends to decrease when the initial nickel concentration increases above 1 ppm. The optimal nickel removal reaches 65% when the initial nickel concentration is 1 ppm and the zeolite dose is 26 mg·dm–3. This study investigates the behaviour of nickel removal and modelling isotherms below and above this critical peak point. At this level of zeolite dose, the adsorption does not follow either Freundlich or Langmuir isotherms, but rather, it follows Freundlich for the data plot just below the peak point with the highest coefficient of determination (R2) equals (0.98) when the zeolite dose is (26 mg·dm–3), whereas it follows Langmuir for the data plot just above the peak point with the highest coefficient of determination (R2) equals (0.99) when the zeolite dose is (10 mg·dm–3). These findings clarify the theory behind each isotherm and can be used to find new information for efficient treatment techniques.

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)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,206 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water and Land DevelopmentMême sujetExtraction and Separation ProcessesTravaux en français237 207