Design of a Sustainable Polysaccharide‐Lignocellulosic‐Mineral Granular Biocomposite Sorbent for Methylene Blue Removal
Notice bibliographique
Résumé
ABSTRACT Four granular biocomposite adsorbents containing spent coffee grounds (SCG), eggshells (ES), and chitosan (Chi) for remediation of waterborne methylene blue (MB) were prepared. The role of epichlorohydrin (ECL) crosslinking and variable NaOH concentration (a = 0.5 M, b = 1.8 M) during the adsorbent synthesis was investigated for its role on the MB adsorption capacity ( Q m ). Materials characterization employed complementary methods ( 13 C solids NMR spectroscopy; thermogravimetry; BET analysis). The Sips isotherm model yielded equilibrium Q m values for non‐crosslinked (SCG80‐a (82 mg/g) and SCG80‐b (119 mg/g)), and crosslinked (SCG80‐ECL‐a (94 mg/g) and SCG80‐ECL‐b (139 mg/g)) at pH 6.5–7 and an adsorbent dosage of ca. 3 mg/mL of solution. Environmental conditions (< 20 mg/L MB) revealed dye removal (RE; %) from 90% to 95% with increased NaOH adsorbent treatment. Spiked river water with both 5 mg/L and 20 mg/L MB led to a decreased RE of 63% (0.5 M NaOH) and 76%–77% (1.8 M NaOH) versus lab water. Decreased RE values of 41%–47% and 49%–55% were observed in saline well water. Methanol regeneration yielded a slight drop in RE (%) after the initial cycle and remained stable after the second cycle up to 6 cycles. Increasing the NaOH concentration during adsorbent synthesis increases the MB adsorption capacity of SCG‐based adsorbents.
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) | 0,000 | 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 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 ».