MétaCan
Menu
Retour à la cohorte
Enregistrement W4404456642 · doi:10.1016/j.jobab.2024.11.003

Remediation and resource utilization of Cr(Ⅲ), Al(Ⅲ) and Zr(Ⅳ)-containing tannery effluent based on chitosan-carboxymethyl cellulose aerogel

2024· article· en· W4404456642 sur OpenAlexvenueno aff
Shuang Liang, Xuechuan Wang, Chao Wei, Long Xie, Zhongming Song, Xugang Dang

Notice bibliographique

RevueJournal of Bioresources and Bioproducts · 2024
Typearticle
Langueen
DomaineChemistry
ThématiquePigment Synthesis and Properties
Établissements canadiensnon disponible
Organismes subventionnairesQuanzhou City Science and Technology ProgramNational Natural Science Foundation of ChinaScience and Technology Projects of Fujian Province
Mots-clésAerogelCarboxymethyl celluloseChitosanCelluloseEnvironmental remediationEffluentWaste managementChemistryNuclear chemistryPulp and paper industryMaterials scienceChemical engineeringOrganic chemistryNanotechnologyContaminationEngineeringSodium

Résumé

récupéré en direct d'OpenAlex

Composite aerogel based on sodium carboxymethyl cellulose (CMC Na) and chitosan (CS), i.e., CS/CMC Na, was prepared through a sol-gel method. Then, CS/CMC Na was used for simulating the adsorption of metal ions (Cr 3+ , Al 3+ and Zr 4+ ) produced by the tanning industry. The adsorption process is consistent with the Langmuir isotherm adsorption model and pseudo-second order kinetics. The maximum fitted adsorption capacities of Cr 3+ , Al 3+ , and Zr 4+ could reach 250.0, 111.1, and 100.0 mg/g, respectively. After metal ion adsorption, the obtained composite materials (CS/CMC Na-Cr 3+ , CS/CMC Na-Al 3+ , and CS/CMC Na-Zr 4+ ) were used as re-tanning agents in the re-tanning process to leather. The re-tanning agent could increase the shrinkage temperature of leather by up to 5 °C. Compared with the traditional method, the method utilized in this study achieved the integration of mental ions-containing wastewater treatment and waste adsorbent/adsorbates recycling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,236
Écart entre enseignants0,215 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bioresources and BioproductsMême sujetPigment Synthesis and PropertiesTravaux en français237 207