تاثیر پارامترهای عملیاتی بر رفتار شار تراوه و گرفتگی طی شفاف سازی آب انار با استفاده از غشای پلیمری اولترافیلتراسیون
Bibliographic record
Abstract
هدف این مطالعه، بررسی فرآیند شفافسازی غشایی اولترافیلتراسیون با غشای پلیمری بر رفتار شار تراوه، گرفتگی غشاء، دفع ترکیبات پکتینی، آنتوسیانین و تاننی طی شفافسازی آب انار بود. برای این منظور، تاثیر دما (20 و °C30) و فشار (5/1، 2 و bar 5/2) بر شاخصهای عملیاتی غشایی مانند شار تراوه، مقاومت، گرفتگی و دفع ناخالصیها به وسیله غشای اولترافیلتراسیون بررسی شد. نتایج آزمایشات نشان داد که شار تراوه در فرآیند غشایی شفافسازی آب انار، با افزایش دما از 20 به oC30 در فشار bar 5/2، تقریبا 17/42% افزایش یافته بود. بررسی اثرات فشار و دما بر مقاومت کل نشان داد که با افزایش دما از 20 به oC30 در فشارهای مختلف، مقدار مقاومت کل بهطور معنیداری کاهش یافت (05/0 >p). کمترین و بیشترین مقدار مقاومت کل به ترتیب در تیمارهای oC30-bar 5/1 (1-m 12+10×31/17) و oC20-bar 5/2 (1-m 12+10×51/35) مشاهده شد. افزایش دما باعث کاهش ویسکوزیته و افزایش ضریب انتشار از لایه کیک سطح غشای به جریان ناتراوه شد. در نهایت مشخص شد که شفافسازی آب انار، به روش اولترافیلتراسیون در همه تیمارها باعث کاهش پکتین آب انار در حدود 99 % شد. تیمارهای oC20-bar 2 و oC30- bar 2 به ترتیب کمترین (25/4 %) و بیشترین (31/15%) مقدار دفع آنتوسیانینها را داشتند. کمترین (43/42%) و بیشترین (93/50%) مقدار دفع تانن به ترتیب در تیمارهای oC20-bar 5/1 و oC30- bar 2 مشاهده شد.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.051 | 0.035 |
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 source (direct Gemma or distilled Codex), 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".