دوره 8، شماره 1 - ( 9-1399 )
جلد 8 شماره 1 صفحات 98-83 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Asgari G, Darvishmotevalli M, Beheshti A, Salari M. Modeling and Optimization of Methylene Blue
Adsorption from Aqueous Solution by Pumice Based
on RSM-CCD and ANN-GA Methods. J Environ Health Eng 2020; 8 (1) :83-98
URL: http://jehe.abzums.ac.ir/article-1-808-fa.html
URL: http://jehe.abzums.ac.ir/article-1-808-fa.html
عسگری قربان، درویش متولی محمد، بهشتی علیرضا، سالاری مهدی. مدل سازی و بهینه سازی جذب متیلن بلو از محیط‌های آبی توسط پامیس براساس روش‌های RSM-CCD و ANN-GA. مجله مهندسی بهداشت محیط. 1399; 8 (1) :83-98
گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران
چکیده: (1773 مشاهده)
زمینه و هدف: تخلیه حجم بالایی از فاضلاب‌های رنگی به منابع آب پذیرنده سبب نگرانی‌های گسترده ای در سرتاسر جهان شده است. هدف این مطالعه، بررسی کارایی جاذب پامیس در حذف متیلن بلو (MB) از محلول‌های آبی می باشد. همچین فرآیند جذب توسط روش‌های سطح پاسخ-طراحی مرکب مرکزی (RSM-CCD) و شبکه عصبی مصنوعی- الگوریتم ژنتیک (ANN-GA) مدل‌سازی و بهینه‌سازی شد.
روش کار: پارامترهای ورودی به مطالعه شامل pH (3-11)، زمان تماس ( 10-50 دقیقه)، دوز جاذب (2/0-1 گرم در لیتر) و غلظت MB (20-100 میلی گرم در لیتر) بود. اثر این پارامترها بر کارایی پامیس در جذب MB توسط روش‌های RSM-CCD و ANN-GA مدل سازی و بهینه سازی شد. جهت سنجش غلظت باقی مانده MB در محلول از دستگاه اسپکتروفتومتر در طول موج 620 نانومتر استفاده شد.
یافته‌ها: نتایج نشان داد که روش RSM-CCD قابلیت توسعه مدل چند جمله درجه دوم با اعتبار بالا (9997/0 = R2) برای فرآیند جذب دارد. بطور مشابه روش ANN-GA به خوبی با دیتا آزمایشگاهی برای توسعه مدل با اعتبار بالا (9978/0 = R2) فیت شد. نتایج بهینه سازی فرآیند توسط روش‌های RSM-CCD و ANN-GA، بالاترین راندمان جذب را در 11 = pH، زمان = 50 دقیقه، دوز جاذب = 1 گرم در لیتر و غلظت MB = 20 میلی گرم در لیتر نشان داد. راندمان جذب با pH، زمان تماس و دوز جاذب ارتباط مستقیم و با غلظت آلاینده رابطه عکس نشان داد. اثر خطی متغیرهای غلظت آلاینده و دوز جاذب بیشترین تاثیر را بر کارایی جذب داشتند.
نتیجه‌گیری: در این مطالعه مشاهده شد که پامیس بعنوان جاذب ارزان قیمت و در دسترس می تواند بعنوان گزینه مناسبی جهت جذب آلاینده‌های رنگی از محیط‌های آبی در نظر گرفته شود. همچنین می توان از دو روش RSM-CCD و ANN-GA جهت مدل سازی و بهینه سازی فرآیند‌های جذب استفاده نمود.
روش کار: پارامترهای ورودی به مطالعه شامل pH (3-11)، زمان تماس ( 10-50 دقیقه)، دوز جاذب (2/0-1 گرم در لیتر) و غلظت MB (20-100 میلی گرم در لیتر) بود. اثر این پارامترها بر کارایی پامیس در جذب MB توسط روش‌های RSM-CCD و ANN-GA مدل سازی و بهینه سازی شد. جهت سنجش غلظت باقی مانده MB در محلول از دستگاه اسپکتروفتومتر در طول موج 620 نانومتر استفاده شد.
یافته‌ها: نتایج نشان داد که روش RSM-CCD قابلیت توسعه مدل چند جمله درجه دوم با اعتبار بالا (9997/0 = R2) برای فرآیند جذب دارد. بطور مشابه روش ANN-GA به خوبی با دیتا آزمایشگاهی برای توسعه مدل با اعتبار بالا (9978/0 = R2) فیت شد. نتایج بهینه سازی فرآیند توسط روش‌های RSM-CCD و ANN-GA، بالاترین راندمان جذب را در 11 = pH، زمان = 50 دقیقه، دوز جاذب = 1 گرم در لیتر و غلظت MB = 20 میلی گرم در لیتر نشان داد. راندمان جذب با pH، زمان تماس و دوز جاذب ارتباط مستقیم و با غلظت آلاینده رابطه عکس نشان داد. اثر خطی متغیرهای غلظت آلاینده و دوز جاذب بیشترین تاثیر را بر کارایی جذب داشتند.
نتیجه‌گیری: در این مطالعه مشاهده شد که پامیس بعنوان جاذب ارزان قیمت و در دسترس می تواند بعنوان گزینه مناسبی جهت جذب آلاینده‌های رنگی از محیط‌های آبی در نظر گرفته شود. همچنین می توان از دو روش RSM-CCD و ANN-GA جهت مدل سازی و بهینه سازی فرآیند‌های جذب استفاده نمود.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
