MétaCan
Menu
Retour à la cohorte
Enregistrement W4409787715 · doi:10.1016/j.jwpe.2025.107747

Sustainable valorization of electrocoagulation sludge in ceramic kaolinite membrane fabrication and its application to seawater pretreatment for SWRO desalination

2025· article· en· W4409787715 sur OpenAlexaff
Abdessamad Belgada, Raowia Lamhar, Fatima Zohra Charik, Ibrahim Ounouss, Adil Dani, Wen Ma, Mohamed Chaker Necibi, Saâd Alami Younssi

Notice bibliographique

RevueJournal of Water Process Engineering · 2025
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMembrane Separation Technologies
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesMinistère de l'Enseignement Supérieur, de la Recherche Scientifique et de la Formation des CadresCentre National pour la Recherche Scientifique et Technique
Mots-clésDesalinationKaoliniteElectrocoagulationSeawaterCeramicEnvironmental scienceWaste managementCeramic membraneMembraneEnvironmental engineeringPulp and paper industryMaterials scienceChemistryMetallurgyEngineeringGeology

Résumé

récupéré en direct d'OpenAlex

This study explores the sustainable valorization of dye electrocoagulation sludge (EC-Sludge) as a novel additive to enhance kaolinite-based flat ceramic membranes for seawater pretreatment prior to reverse osmosis desalination . Driven by the demand for low-cost, efficient, and eco-friendly membranes, incorporating up to 30 wt% EC-Sludge (containing aluminum hydroxide), significantly improved kaolinite membrane properties. The optimal membrane (including 15 wt% EC-Sludge) exhibited an average pore size of 1.43 μm, porosity of 39.30 %, permeability of 2580 L m −2 h −1 bar −1 , and mechanical strength of 21 MPa, demonstrating its suitability for microfiltration (MF) applications. MF tests of raw seawater confirmed the excellent pretreatment performance of the kaolinite/sludge membrane, achieving 95.24 % turbidity rejection, 81.14 % TOC removal, and 71.20 % COD reduction, while effectively lowering the SDI from 5.63 to 3.47. Fouling analysis revealed predominantly reversible cake layer formation, with up to 80 % flux recovery post-cleaning. The findings highlight the replicability and ecological potential of this approach for advancing sustainable desalination technologies .

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,319
Score d'incertitude au seuil0,283

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,005
Tête enseignante GPT0,242
Écart entre enseignants0,236 · 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 tête enseignante, 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

Citations7
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Water Process EngineeringMême sujetMembrane Separation TechnologiesTravaux en français237 207