Impact of iron-(hydr)oxide functionalized cellulose fibers on petrochemical wastewater treatment
Notice bibliographique
Résumé
Petrochemical wastewater is characterized by high levels of suspended solids, dissolved organic matter, and toxic compounds such as naphthenic acids (NAs), which pose significant challenges for conventional treatment technologies. In this study, a flocculation system was developed by combining polyacrylamide (PAM)-based flocculants with iron-grafted cellulose fibers. Jar tests were systematically conducted to evaluate the performance of different PAM types (three cationic and one anionic) at various concentrations (0.5–5 mg/L), both with and without the addition of non-grafted and iron-grafted fibers (50–300 mg/L). Flocculation performance was assessed based on turbidity reduction, total organic carbon (TOC) removal, and NA removal measured by fluorescence. The results demonstrate that iron-grafted fibers significantly enhanced treatment by promoting floc bridging and adsorption. Optimal removal was achieved using 1–2 mg/L of cationic PAM3 combined with 200–250 mg/L of iron-grafted fibers, resulting in up to 66 % TOC removal and over 60 % NA removal after only 3 min of settling. Mechanical pressing of the flocs through a 100 µm mesh further improved water clarity and sludge compactness. Comparisons showed that non-grafted fibers provided moderate improvement, while systems without fibers performed poorly, especially when anionic polymers were used. This study highlights the importance of optimizing the fiber-to-polymer ratio and introduces iron-grafted cellulose as a sustainable and effective flocculation aid for complex industrial effluents. These findings offer new insights into designing low-chemical, coagulant-free, high-efficiency treatment systems suited for decentralized or resource-limited applications and highly contaminated wastewater.
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) | 0,001 | 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 ».