مدل سازی و بهینه سازی جذب متیلن بلو از محیط های آبی توسط پامیس براساس روش های RSM-CCD و ANN-GA

تخلیه حجم بالایی از فاضلاب های رنگی به منابع آب پذیرنده سبب نگرانی های گسترده ای در سرتاسر جهان شده است. هدف این مطالعه، بررسی کارایی جاذب پامیس در حذف متیلن بلو (MB) از محلول های آبی می باشد. همچین فرآیند جذب توسط روش های سطح پاسخ-طراحی مرکب مرکزی (RSM-CCD) و شبکه عصبی مصنوعی- الگوریتم ژنتیک (ANN-GA) مدل سازی و بهینه سازی شد.

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 روش های 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.

یافته ها: 

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 روش های 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.

نتیجه گیری:

 در این مطالعه مشاهده شد که پامیس بعنوان جاذب ارزان قیمت و در دسترس می تواند بعنوان گزینه مناسبی جهت جذب آلاینده های رنگی از محیط های آبی در نظر گرفته شود. همچنین می توان از دو روش RSM-CCD و ANN-GA جهت مدل سازی و بهینه سازی فرآیند های جذب استفاده نمود.