MétaCan
Menu
Retour à la cohorte
Enregistrement W6958223343 · doi:10.60692/dqzze-y5n21

Characterization & Batch Sorption Study for Chromium (VI) Removal fromAqueous Solutions by Activated Carbon Adsorbent Prepared from Indigenous Sugarcane Bagasse

2020· article· en· W6958223343 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAdsorption and biosorption for pollutant removal
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésBagasseChromiumAdsorptionActivated carbonSorptionEffluentAqueous solutionFourier transform infrared spectroscopy

Résumé

récupéré en direct d'OpenAlex

Chromium being a carcinogenic element present in drinking water in the less developed areas in the poor countries contributes to many infectious diseases. The removal of chromium traces from water needs to have an easy and efficient way for poor countries. Concerning this, a low-cost industrial bio-adsorbent based on bagasse (the sugar industry waste) is prepared and characterized for Cr (VI) removal from aqueous solutions. Preparation of the absorbent is performed by carbonization and steam activation of sugarcane bagasse (SCB). The FTIR spectra and the morphology of the adsorbent before and after Cr (VI) removal was studied using FTIR and SEM. All the experiments were carried out in a batch process with laboratory-prepared samples to study the effects of pH, adsorbent dose, adsorbate concentration, shaking time and shaking speed. It was observed that the highest removal efficiency was achieved at pH=2, adsorbent dose=0.75 g, adsorbate concentration=60 mg/L, shaking speed=150 rpm, and shaking time=20 minutes. These results suggest that this bio-adsorbent can provide a simple, effective, and cheap method for removing Cr (VI) ions from effluents and water resources.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0010,000

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 Opus0,025
Tête enseignante GPT0,199
Écart entre enseignants0,174 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetAdsorption and biosorption for pollutant removalTravaux en français237 207