MétaCan
Menu
Retour à la cohorte
Enregistrement W646231013 · doi:10.6000/1929-6037.2015.04.02.2

Evaluation and Comparison of Sulfate Anions Removal from Artificial and Industrial Wastewaters by Nanofiltration Process in a Laboratory Scale

2015· article· en· W646231013 sur OpenAlexvenueno aff
Ali Hangi, Ali Mohebbi, Mohammad Mirzaei, Hossein Kaydani

Notice bibliographique

RevueJournal of Membrane and Separation Technology · 2015
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueWater Quality Monitoring Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNanofiltrationSulfateChemistryScale (ratio)ChromatographyPulp and paper industryMembraneEngineeringOrganic chemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

In this study, the performance of a nanofiltration process in sulfate anion reduction from artificial and industrial wastewaters was investigated. For this purpose, the effects of pressure, temperature, and volume flow rate and sulfate concentration of feed were studied. In order to prepare artificial wastewater (i.e. Sodium Sulfate) and to adjust the pH of the feed, both Sodium Hydroxide and Acetic Acid were used. The concentration of sulfate in the artificial wastewater was in the range of the industrial one (i.e. 400~500 ppm) and the pressure range, which had the most important influence on retention, was between 138~552kPa. In order to organize the experiments and obtain a specific procedure to perform the required tests, Minintab 16 software has been utilizes. The results showed that the reduction of sulfate anions, which had bivalent charge with big molecule size, occurred at high level of 96~99%. Higher pressure and temperature led to increase in this retention rate, while it reduced at high level of sulfate concentration in the feed. The condition in which the pressure, temperature, and feed flow rate were respectively 50345 kPa, 25ºCand 4L/min were indicated as the optimum condition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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 Opus0,066
Tête enseignante GPT0,340
Écart entre enseignants0,274 · 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 source (Gemma direct ou Codex distillé), 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

Citations3
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Membrane and Separation TechnologyMême sujetWater Quality Monitoring TechnologiesTravaux en français237 207