The Preparation of Polyvinyl Chloride Nanofiber Membrane by Melt Electrospinning for Ester Plasticizer Adsorption
Notice bibliographique
Résumé
ABSTRACT Ester plasticizers are widely used in plastic products and can cause irreversible reproductive health damage and carcinogenic risk with prolonged exposure or ingress into the body, especially in drinking water. Therefore, it is urgent to study hydrophobic and lipophilic ester plasticizer filtration membranes. Due to the molecular polarity characteristics of polyvinyl chloride (PVC), it is more likely to attract ester plasticizers compared to other materials. Nanofiber membranes prepared from PVC may have good filtration effects on ester plasticizers. In this study, a green preparation method of PVC nanofiber membrane for adsorption of ester plasticizers is proposed, and the process includes gel preparation, melt electrospinning, and extraction. Extracted melt electrospun membrane shows excellent mechanical properties, with a tensile strength of 35.011 MPa, an elongation at break of 60%, and an average fiber diameter of 952 nm. The average adsorption multiplicity of the extracted fiber membrane for ester plasticizers was 9.32 g/g. The adsorption efficiency was 64.9% after 5 times reuse. The static adsorption multiplicity data of this study is 31 times higher than that of activated carbon materials and 23.3 times higher than that of reported resin materials.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».