Screening of parameters and optimization of nickel extraction by green emulsion liquid membrane using statistical experimental design
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This study focuses on the extraction of nickel ions from an aqueous solution using a green emulsion liquid membrane (GELM). Its primary objective is to choose between corn oil and sunflower oil as a solvent in GELM and compare their performance with a kerosene‐based emulsion liquid membrane (ELM). The membrane phase was made by dissolving the carrier (D2EHPA) and the surfactant (tween 80), in the solvents. Subsequently, the membrane was emulsified with the stripping agent (sulphuric acid) to produce the GELM. A Plackett–Burman design was employed to determine the key parameters influencing nickel extraction. Among the considered parameters, treatment ratio, surfactant concentration, carrier concentration, and stripping agent concentrations were identified as the significant factors affecting nickel extraction. Parameters such as stirring speed and time, external phase pH, and phase ratio were found to be non‐significant and were kept constant. The central composite design method was employed to determine the optimum value of the key parameters. Under the optimal conditions, 98.1% of the nickel ions were successfully extracted. The feasibility of recycling the membrane phase was examined, and the performance of GELMs prepared using both fresh and recovered membrane phases was analyzed. The experimental results showed that the extraction efficiency decreased by 1.02% and 7.99% after two membrane recycling cycles, which was still within the acceptable range.
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.
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 découle