Utilizing tea waste for methylene blue removal: Insights from batch and fixed-bed adsorption studies
Notice bibliographique
Résumé
This study explores the potential of tea waste as a cost-effective and eco-friendly biosorbent for the removal of hazardous Methylene Blue (MB) dye from aqueous solutions. The tea waste-based adsorbent has been synthesised and characterised using Fourier Transform Infrared Spectroscopy (FTIR), X-ray Diffraction (XRD), and Scanning Electron Microscopy (SEM) to examine its functional groups, crystallinity, and surface morphology. Batch adsorption experiments evaluated the impact of initial dye concentration, contact time, and adsorbent dosage. Isotherm analysis revealed Langmuir model compatibility with a high monolayer capacity (qₘₐₓ = 454.54 mg/g), indicating effective surface interaction. Kinetic modeling showed excellent fit with the pseudo-second-order model (R² = 1.000), suggesting chemisorption as the primary mechanism.A fixed-bed column study assessed the effects of flow rate, bed height, and column diameter on breakthrough behaviour. Optimal conditions 4 mL/min flow rate, 2 cm bed height, and 1.5 cm column diameter achieved a 105 min. breakthrough time. Process optimization via Box–Behnken response surface methodology confirmed the model's predictive strength. The results demonstrate that tea waste is a promising low-cost biosorbent for the efficient removal of MB dye, with potential application in wastewater treatment systems.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».