Sorption de l'atrazine et du diuron sur charbon actif en poudre en présence de tensioactifs, ions calcium et bichromate. Essai de modélisation
Bibliographic record
Abstract
La contamination des eaux naturelles par les micropolluants organiques tels que les herbicides, nécessite le recours à des procédés très performants, en particulier l'adsorption sur charbon actif pour satisfaire aux normes de potabilité sur les eaux distribuées. Si le charbon actif en poudre (CAP) présente une bonne efficacité pour l'élimination des herbicides seuls dans l'eau distillée, la présence dans l'eau d'autres composés organiques et / ou minéraux aura pour conséquence la modification des paramètres de l'équilibre de l'adsorption du système initial et la modification des performances du matériau adsorbant. Cette étude a montré que le CAP utilisé présente une bonne affinité pour les deux herbicides étudiés (atrazine et diuron), dont les capacités d'adsorption, déterminées par le modèle de Langmuir, sont 1,42 et 1,72 mmol.g -1 respectivement. La présence de composés organiques tels que les tensioactifs anionique le dodécylsulfate de sodium (DSS), et cationique le bromure d'hexadécyl triméthyl ammonium (BHTA) provoque une forte diminution de la capacité d'adsorption des deux herbicides par le charbon actif. Le BHTA provoque l'effet le plus marqué, par contre, les ions calcium et bichromate n'ont pas d'influence sur l'adsorption des deux herbicides. Les essais de désorption ont montré que l'introduction des coadsorbats organiques provoque la désorption d'une partie de l'herbicide. Ce phénomène est accentué dans le cas du DSS en présence d'ions calcium. L'application de modèles simples de coadsorption, a permis de mettre en évidence l'existence presque exclusive de sites spécifiques d'adsorption pour chacun des substrats étudiés et une inhibition non compétitive due a une interdépendance possible entre les sites d'adsorption et une altération des interactions de chaque composé à la surface du charbon.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.000 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".