使用Oryza sativa草生物质探索RSM,ANN和ANFIS模型的甲蓝染料吸附:一种比较方法

科学领域:

• 环境化学环境化学
• 材料科学 材料科学 材料科学
• 计算建模 计算建模

背景情况:

• 织行业的废水通常含有甲蓝 (MB),一种持久染料.
• 像Oryza sativa草生物质 (OSSB) 这样的农业废物提供了一个可持续的吸附剂选择.
• 精确的建模对于优化染料去除过程至关重要.

研究的目的:

• 模拟和优化甲蓝 (MB) 染料对Oryza sativa草生物质 (OSSB) 的吸附.
• 为了比较人工神经网络 (ANN),自适应神经模糊推理系统 (ANFIS) 和响应表面方法 (RSM) 的预测准确度.
• 为了确定最佳的吸附条件,并了解吸附机制.

主要方法:

• 使用OSSB进行了吸附实验,用于MB染料去除.
• 福利埃变换红外光谱 (FTIR) 和扫描电子显微镜 (SEM) 描述了吸附剂.
• 使用ANN,ANFIS和RSM进行了过程模拟和预测,并进行了统计评估 (R2,MSE,RMSE,MAE).

主要成果:

• 在预测MB移除方面,ANFIS (R2 = 0.9589) 比ANN (R2 = 0.8864) 和RSM (R2 = 0.9216) 更准确.
• 最佳吸附发生在pH7,60分钟接触时间,20毫克吸附剂剂量和30°C时.
• 吸附遵循伪二次动力学和兰木尔异热模型,表明自发和外热过程.

结论:

• ANFIS是一个高度准确的模型,用于模拟MB对OSSB的吸附.
• OSSB是一种有效和可持续的吸附剂,用于去除甲蓝色染料.
• 该研究为设计和控制工业废水处理过程提供了有价值的数据.