MétaCan
Menu
Retour à la cohorte
Enregistrement W4389114705 · doi:10.1021/bk-2023-1456.ch015

Chemical Methods of Heavy Metal Management: Coagulation, Flocculation, and Floatation

2023· book-chapter· en· W4389114705 sur OpenAlexaff
Mohsin Hussain, Villayat Ali, Sina Pourebrahimi, Shabnam Ahmadi, Soumya Ghosh

Notice bibliographique

RevueACS symposium series · 2023
Typebook-chapter
Langueen
DomaineEnvironmental Science
ThématiqueHeavy metals in environment
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésFlocculationCoagulationPollutantEffluentWaste managementHeavy metalsHazardous wasteWastewaterEnvironmental sciencePulp and paper industryChemistryEnvironmental engineeringEnvironmental chemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Increasing environmental consciousness and strict regulatory requirements have prompted numerous businesses and industries to pursue viable wastewater treatment technologies. Owing to their effectiveness and simplicity, coagulation, flocculation, and floatation are some of the most important and widely used processes for treating industrial wastewater. Heavy metals are the usual toxic species among toxic inorganic pollutants. This chapter gives information on coagulation-flocculation and post-treatment floatation for removing HMs. The limitations and challenges of coagulation-flocculation and floatation are discussed, including inorganic coagulants’ toxicity and health risk, large-scale hazardous sludge generation, ineffective removal of new pollutants and heavy metals, a rise in effluent color, the difficulty of scaling up the process as well as the ineffectiveness of removing pollutants using natural coagulants.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,442
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,018
Tête enseignante GPT0,264
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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS symposium seriesMême sujetHeavy metals in environmentTravaux en français237 207