Optimization of Malachite Green Dye Removal Efficiency via Factorial Design Analysis Using Metal-Organic Frameworks
Notice bibliographique
Résumé
In this study, we investigate the adsorption of the cationic dye Malachite Green (MG) onto two metal-organic frameworks, ZIF-8 and Fe-BTC.We effectively prepared beads using a polymer coating process with sodium alginate.To study the effect of different factors on adsorption capacity and removal %age of Malachite Green in a batch process, we employed a 2 3 factorial design study analysis.The investigation involved three primary factors, each with two levels: MOF type (A: Fe-BTC and ZIF-8), MOF bead dosage (B: 50 mg to 100 mg), and initial concentration (C: 5 mg/L to 17 mg/L).The primary effects of these variables and their interactions were examined using Response Surface Methodology (RSM), main effect, interaction effect, and Pareto chart.The factorial design analysis, conducted using analysis of variance (ANOVA), revealed that the most significant factor influencing adsorption capacity was the initial concentration of MG, followed by the dosage of MOF beads and the type of MOFs.The study demonstrates that SA@ZIF-8 beads have achieved the highest removal rate of 96%, in comparison to SA@Fe-BTC which reaches 90%.Notably, the initial concentration of MG demonstrates a positive effect, MOF dosage exhibits a negative effect, while the MOF type presents a positive effect, favoring SA@ZIF-8 for higher adsorption capacity.Moreover, significant two-way and three-way interactions were identified.The optimum conditions for the maximum removal of MG dye using SA@ZIF-8 were reported as follows: adsorbent dosage = 50 mg; MG initial concentration = 17 mg/L.The R 2 value > 98.8% for MG dye underscores the potency of the factorial design model, thereby encouraging further exploration and application of SA@ZIF-8 metal-organic framework to eliminate pollutants from aqueous solutions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».