A simultaneous study on desulphurization and denitrogenation using acid‐treated activated alumina: Multi‐component adsorption systems
Notice bibliographique
Résumé
Abstract In this study, sulphuric acid‐treated activated alumina (AA) was used for sulphur and nitrogen removal from model fuel in a batch adsorption study. Dibenzothiophene (DBT), a sulphur compound, and quinoline, a nitrogen compound dissolved in isooctane, were taken as a model liquid fuel. Detailed characterization of the adsorbent, such as scanning electron microscopy (SEM), thermogravimetric analysis‐differential thermal analysis (TGA‐DTA), Fourier transform infrared spectroscopy (FTIR), Brunauer–Emmett–Teller (BET), and X‐ray diffraction (XRD), was performed to understand the DBT and quinoline adsorption mechanism onto AA adsorbent. Sulphur and nitrogen removal efficiencies were found to be 64% and 91%, respectively. Mono‐component adsorption isotherm was studied by using different models such as Langmuir, Freundlich, and Redlich‐Peterson (R‐P) isotherms. The R‐P isotherm model well‐predicted the individual equilibrium data for both nitrogen and sulphur from the liquid fuel. Binary‐component adsorption studies were performed by mixing both DBT and quinoline in isooctane. Binary‐equilibrium data were modelled by multi‐component models such as modified Langmuir isotherm, non‐modified Langmuir, extended Langmuir, extended Freundlich isotherm, Sheindorf‐Rebuhn‐Sheintuch (SRS), non‐modified R‐P model, and modified R‐P model. The extended Freundlich (E‐F) adsorption isotherm model was found to best fit the binary equilibrium system.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».