Development and experimental validation of a mathematical model for fluoride-removal filters comprising chemically treated mineral rich carbon
Notice bibliographique
Résumé
Excessive fluoride intake can lead to dental and skeletal fluorosis, among other health issues. Naturally occurring fluoride and industrial runoff can result in concentrations far exceeding the World Health Organization’s recommended limits in water supplies. In this study, we derive a model incorporating the dominant mechanisms governing fluoride removal from drinking water using the two adsorbents mineral-rich carbon (MRC) and chemically treated mineral-rich carbon (TMRC). Using both new and previously published experimental data, we validate the model for MRC, TMRC, and their mixture, using both batch and column data. Despite the filters containing approximately 40:1 MRC:TMRC ratio by mass, we find that TMRC dominates fluoride removal, while MRC contributes at early and late times. The full column model, which uses parameters from isotherm batch studies, achieves excellent agreement with experimental breakthrough data across varying inlet concentrations and flow rates (R 2 > 0 . 991 , SSE < 0 . 0632 ). Motivated by this, we propose a reduced model based solely on TMRC adsorption, with a single fitting parameter, which still performs well across all breakthrough curves (R 2 > 0 . 983 , SSE < 0 . 117 ). The simplicity of this model means that it is straightforward and inexpensive to work with numerically. In both models, batch and column behaviours are reconciled and, for the case of breakthrough curves with varying inlet concentrations, a set of globally optimised parameters is found. The strong agreement with experimental data supports the model’s robustness and reinforces the physical interpretability of its parameters. These models for MRC and TMRC provide a foundation for filter optimisation and future efforts aimed at improving fluoride removal in resource-limited settings.
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) | 0,000 | 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 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 ».