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.
Bibliographic record
Abstract
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.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.002 |
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; both teacher heads agree on what is shown here.
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".