基于机器学习的模型,对麦绿色吸附在由小麦草的热水化而产生的碳上进行建模

科学领域:

• 环境化学环境化学
• 材料科学 材料科学 材料科学
• 化学工程是化学工程的重要组成部分.

背景情况:

• 马拉绿 (MG) 是织工业中广泛使用的染料,由于其毒性和持久性,它对环境构成风险.
• 传统的染料去除方法经常面临诸如高成本,低效率和二次污染等挑战.
• 从生物质中提取的碳化合物提供了一种可持续且具有成本效益的替代吸附剂,用于去除染料.

研究的目的:

• 为了研究从小麦中通过水热化生产的碳水化合物的效率,用于马拉绿 (MG) 染料吸附.
• 描述酸的特性,并了解吸附机制.
• 使用人工神经网络 (ANN) 建模和预测吸附过程.

主要方法:

• 从小麦中使用热水化合成了水炭.
• 使用SEM,EDX,FTIR,X射线光谱学,BET表面积分析,ICP-OES,元素分析和HPLC对的全面表征.
• 进行了吸附实验,以评估在各种条件下MG染料的去除效率.
• 吸附数据使用等温 (弗朗德利希) 和动力 (伪二次) 模型进行分析.
• 人工神经网络 (ANN) 用于模拟和分析吸附过程.

主要成果:

• 与原料相比,水炭显示出显著更高的MG染料去除效率 (91%).
• 最佳吸附条件包括2g/L的酸盐剂量,用于90分钟的20 mg/LMG度.
• 吸附遵循弗洛伊德利希等热量和伪二次动力学,表明一个物理吸附和内热过程.
• 在模拟MG吸附时,ANN建模实现了高精度 (R2=0.98-0.99).
• 吸附剂剂量被确定为ANN模型灵敏度分析中影响最大的因素.

结论:

• 从小麦中提取的酸是一种有效和可持续的吸附剂,用于从水溶液中去除马拉绿色染料.
• 吸附过程由弗洛伊德利希等温和和伪二阶动力学控制,由物理吸附驱动.
• ANN建模为预测和优化染料吸附过程提供了可靠的工具.
• 碳水化合物剂量是最大限度地提高废水处理应用中的染料去除效率的关键参数.