Aplicación del carbón activado de la cáscara de coco para adsorber hierro y manganeso en las aguas del río San Luís- Prov. Carlos Fermín Fitzcarrald – Ancash 2016.
Notice bibliographique
Résumé
La presente investigación evaluó la eficiencia del uso del carbón activado de la \ncáscara de coco para adsorber hierro y manganeso en las aguas del río San Luis – \nProv. de Carlos Fermín Fitzcarrald departamento de Ancash; cuyos niveles de \nconcentración de metales (Fe y Mn) en las aguas de este río estaban por encima de \nlos límites máximos permisibles (0.3 mg/L Fe y 0.4 mg/L Mn) establecidos por DIGESA \npara agua de consumo humano emitido en el D.S. N°031 -2010-S.A. Según los \nreportes de análisis se obtuvo una concentración inicial de 1.800 mg/L de Fe y de 1.55 \nmg/L de Mn. Para el desarrollo de este trabajo de investigación se implementó filtros \nmúltiples a base de gravas, carbón activado de la cáscara de coco y arena para \nremover estos metales del agua (Fe y Mn) mediante la adsorción. El método aplicado \npara este tratamiento fue de aireación + filtración. Se analizaron las muestras de agua \ncon dos tiempos, es decir con un tiempo de retención de 60 minutos y 90 minutos para \nambos casos con carbón activado de la cáscara de coco granular y carbón activado \nen polvo. Obteniendo así buenos resultados con el carbón activado de la cáscara de \ncoco en polvo con un tiempo de retención de 90 minutos logrando una eficiencia del \n92.45 % de adsorción de Mn y un 87,67 % de adsorción de Fe. Finalmente, los \nresultados obtenidos después del tratamiento demuestran que el uso del carbón \nactivado de la cáscara de coco en el sistema de filtro es eficiente para adsorber \nmetales (Fe y Mn) en el agua.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».