Heterogeneous Catalytic Ozonation of Pharmaceuticals: Optimization of the Process by Response Surface Methodology
Notice bibliographique
Résumé
Batch heterogeneous catalytic ozonation experiments were performed using commercial and synthesized nanoparticles as catalysts in aqueous ozone. The transferred ozone dose (TOD) ranged from 0 to 150 μM, and nanoparticles were added in concentrations between 0 and 1.5 g L−1, with all experiments conducted at 20 °C and a total volume of 240 mL. A Ce-doped TiO2 catalyst (1% molar ratio of Ce/Ti) was synthesized via the sol–gel method. Response surface methodology (RSM) was applied to identify the most significant factors affecting the removal of selected pharmaceuticals, with TOD emerging as the most critical variable. Higher TOD resulted in greater removal efficiencies. Furthermore, it was found that the commercially available metal oxides α-Al2O3, Mn2O3, TiO2, and CeO2, as well as the synthesized CeTiOx, did not increase the catalytic activity of ozone during the degradation of ibuprofen (IBF) and para-chlorobenzoic acid (pCBA). Carbamazepine (CBZ) and diclofenac (DCF) are compounds susceptible to ozone oxidation, thus their complete degradation at 150 μM transferred ozone dose was attained. The limited catalytic effect was attributed to the rapid consumption of ozone within the first minute of reaction, as well as the saturation of catalyst active sites by water molecules, which inhibited effective ozone adsorption and subsequent hydroxyl radical generation (●OH).
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 | 0,001 | 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) | 0,001 | 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 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 ».