应用人工神经网络和动态吸附模型来预测从城市固体废物漏液中提取的湿性物质
Salimeh Rezaeinia1, Ali Asghar Ebrahimi1, Arash Dalvand1
1Environmental Science and Technology Research Center, Department of Environmental Health Engineering, School of Public Health, Shahid Sadoughi University of Medical Sciences, Yazd, Iran.
这项研究从城市固体废物漏液 (MSWL) 中提取富尔维酸 (FA) 和酸 (HA) 等化物质. 人工神经网络 (ANN) 有效地预测FA吸附能力,帮助可持续的废物管理.
科学领域:
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
- 废物管理 废物管理
背景情况:
- 城市固体废物水 (MSWL) 的可持续管理需要资源回收和污染物减少.
- 含的物质,包括酸 (FA) 和酸 (HA),是MSWL中有价值的成分.
研究的目的:
- 从MSWL中提取和表征性物质 (FA和HA).
- 评估人工神经网络 (ANN) 和FA提取动态吸附模型的预测性能.
- 为最大吸附能力优化FA提取参数.
主要方法:
- 使用HCl和NaOH溶液提取HA.
- 使用具有不同流速,输入度和床高度的柱子床提取FA.
- 人工神经网络 (ANN) 和动态吸附模型用于FA预测的应用.
- 福里埃变换红外光谱 (FTIR) 用于提取的HA和FA的功能组分析.
主要成果:
- 优化的FA提取在特定条件下达到23.03毫克/克的最大容量 (0.3毫升/分钟流量,15.5厘米床高度,4.27g/ml输入度).
- 在FTIR分析中,证实了HA和FA中存在碳酸性,性,性和性功能群.
- 与传统的动态吸附模型相比,ANN显示了FA吸附能力的优异预测准确性,由高R2和低MSE值证明.
结论:
- 可以有效地从MSWL中提取FA和HA,为资源回收提供潜力.
- ANN是预测FA吸附的高效工具,超越了传统模型.
- 这项研究通过推进资源回收技术和预测建模,为可持续的MSWL管理做出贡献.
更多相关视频
11:14Two-way Valorization of Blast Furnace Slag: Synthesis of Precipitated Calcium Carbonate and Zeolitic Heavy Metal Adsorbent
Published on: February 21, 2017
10:44Preparation of Biomass-based Mesoporous Carbon with Higher Nitrogen-/Oxygen-chelating Adsorption for CuII Through Microwave Pre-Pyrolysis
Published on: February 12, 2019
相关概念视频
01:23Mechanistic Models: Compartment Models in Individual and Population Analysis
00:56Extraction: Advanced Methods