Journal of Environmental Health Engineering

fa مدل سازی و بهینه سازی جذب متیلن بلو از محیط‌های آبی توسط پامیس براساس روش‌های RSM-CCD و ANN-GA Modeling and Optimization of Methylene Blue Adsorption from Aqueous Solution by Pumice Based on RSM-CCD and ANN-GA Methods تخصصي Special پژوهشي Research <div style="border-top:solid windowtext 1.0pt;border-left:none;border-bottom:solid windowtext 1.0pt;border-right:none;padding:1.0pt 0cm 1.0pt 0cm;margin-right:42.55pt;margin-left:42.55pt;">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. </div> <div style="margin-left:42.55pt;">  Background: The discharge of a large volume of colored wastewater into receiving water sources has caused widespread concern around the world. The aim of this study was to investigate the efficiency of pumice as an adsorbent in removing methylene blue (MB) from aqueous solution. The adsorption process was also modeled and optimized by the methods as follows: central composite design-central composite design (RSM-CCD) and artificial neural network-genetic algorithm (ANN-GA). Methods and Materials: The independent variables in the study were included pH (3-11), contact time (10-50 minutes), adsorbent dose (0.1-2 g/L), and MB concentration (20-100 mg/l). The effect of these parameters on the efficiency of pumice in MB uptake was modeled and optimized by RSM-CCD and ANN-GA methods. A spectrophotometer at 620 nm was used to measure the residual MB concentration in solution. Results: The results showed that the RSM-CCD method has the ability to develop a quadratic polynomial model with high validity (R2 = 0.9997) for the adsorption process. Similarly, the ANN-GA method fitted well with experimental data to develop a model with high validity (R2 = 0.9978). The results of optimization process by RSM-CCD and ANN-GA methods obtained the highest adsorption efficiency at pH = 11, contact time = 50 minutes, adsorbent dose = 1 g/L, and concentration MB = 20 mg/L. Adsorption efficiency shows a direct relationship with pH, contact time and adsorbent dose and inversely with contaminant concentration. The linear effect of pollutant concentration and adsorbent dose variables had the greatest effect on adsorption efficiency. Conclusion: In this study, it was observed that pumice as a cheap and available adsorbent can be considered as a suitable choice for absorbing dye pollutants from aqueous media. RSM-CCD and ANN-GA methods can also be used to model and optimize adsorption processes.</div> متیلن بلو, پامیس, جذب, محیط‌های آبی Methylene blue, Pumice, Adsorption, Aqueous solution 83 98 http://jehe.abzums.ac.ir/browse.php?a_code=A-10-25-109&slc_lang=fa&sid=1 Ghorban Asgari قربان عسگری 10031947532846006237 10031947532846006237 No Department of Environmental Health Engineering, School of Health, Hamadan University of Medical Sciences, Hamadan, Iran گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران Mohammad Darvishmotevalli محمد درویش متولی 10031947532846006238 10031947532846006238 No Research Center for Health, Safety and Environment (RCHSE), Alborz University of Medical Sciences, Karaj, Iran مرکـــز تحقیقـــات بهداشـــت، ایمنـــی و محیط (RCHSE)، دانشگاه علـوم پزشـکی البرز، کرج، ایران Alireza Beheshti علیرضا بهشتی 10031947532846006239 10031947532846006239 No Department of Health, Safety and Environment (HSE), School of Public Health, Zanjan University of Medical Sciences, Zanjan, Iran گروه بهداشت، ایمنی و محیط زیست (HSE)، دانشکده بهداشت، دانشگاه علوم پزشکی زنجان، زنجان، ایران Mehdi Salari مهدی سالاری 10031947532846006240 10031947532846006240 Yes Department of Environmental Health Engineering, School of Health, Hamadan University of Medical Sciences, Hamadan, Iran گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی همدان، همدان، ایران