Impact of Metal Ions, Peroxymonosulfate (PMS), and pH on Sulfolane Degradation by Pressurized Ozonation
Notice bibliographique
Résumé
This study investigated the degradation of sulfolane using pressurized ozonation under varying initial concentrations and the influence of different catalysts and peroxymonosulfate activation methods on the degradation efficiency. Initial sulfolane concentrations of 1 mg L−1, 20 mg L−1, and 100 mg L−1 were tested over 120 min, revealing a degradation efficiency of 73%, 41%, and 18%, respectively. The addition of various metal ions (Zn2+, Mg2+, Cu2+, Ni2+, and Co2+) demonstrated that only zinc and magnesium enhanced degradation, with zinc achieving a 92% removal efficiency and magnesium achieving 86%. Different doses of magnesium and zinc were further tested, showing optimal degradation at specific concentrations. The combination of PMS with ozonation was explored, revealing that zinc activation did not significantly enhance degradation, while NaOH activation achieved near-total degradation, with a 100 mg L−1 NaOH concentration. Varying PMS concentrations indicated that altering pH was more effective than changing PMS dosage. Finally, the impact of pH changes in both reverse osmosis water and tap water matrices confirmed that higher pH levels significantly improved degradation efficacy, achieving up to 98% removal with NaOH concentrations of 50 mg L−1 in reverse osmosis water. These results suggest that optimizing pH and catalyst type are critical for enhancing sulfolane degradation in pressurized ozonation systems.
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) | 0,001 | 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 ».