پایان نامه > کتابخانه مرکزی دانشگاه صنعتی شاهرود > شیمی > مقطع کارشناسی ارشد > سال 1401
پدیدآورندگان:
الهه کرد [پدیدآور اصلی]، منصور عرب چم جنگلی[استاد راهنما]، ناصر گودرزی[استاد راهنما]
چکیده: در اولین بخش از این پژوهش، پوسته دانه ون که یک پسماند کشاورزی فراوان و بسیار کمهزینه میباشد با سود اصلاح شد و به عنوان جاذب برای حذف همزمان دو رنگ کاتیونی کریستالوایولت و متیلنبلو استفاده گردید. جاذب تهیه شده به کمک آنالیزهایی مانند طیف سنجی فروسرخ تبدیل فوریه FT-IR، میکروسکوپ الکترونی روبشی نشر میدانی FESEM، آنالیز طیف پراکندگی انرژی اشعه ایکسEDX و آنالیز جذب و واجذب فیزیکی گاز نیتروژن BET، مشخصهیابی شد. برای رفع همپوشانی طیفی که متیلنبلو در ماکزیمم طول موج جذب کریستالوایولت ایجاد میکند از کالیبراسیون چند متغیره با روش مدلسازی حداقل مربعات جزئی (PLS) استفاده شد. بهینهسازی جذب سطحی همزمان دو رنگ (کریستالوایولت و متیلنبلو) به روش طراحی آزمایش مرکب مرکزی چهره-محور(FCCCD) با تکنیک رویه سطح پاسخ (RSM) انجام شد. سطح بهینه پارامترهای مؤثر به صورت 6/7pH=، مقدار دوز جاذب مصرفی 0380/0 گرم و غلظت اولیه 0/30 میلیگرم بر لیتر نسبت به هر رنگ با نمودار مطلوبیت حاصل شد و دیگر شرایط در حالت 0/100 میلیلیتر محلول با دمای 298 کلوین و مدت زمان تماس (زمان تعادل) ۲۰ دقیقه بهدست آمد. تحت این شرایط مطالعات ایزوترم جذب سطحی نشان داد که جذب سطحی از مدل لانگموئر بسط یافته پیروی کرده و حداکثر ظرفیت جذب برای رنگ کریستالوایولت و متیلنبلو به ترتیب 60/191 و 00/228 میلیگرم بر گرم مشخص شد. همچنین مطالعات سینتیکی نشان داد که فرایند جذب با مدل شبه مرتبه دوم مطابقت بیشتری دارد. بررسی ترمودینامیک جذب سطحی با در نظر گرفتن مثبت بودن ∆H و منفی بودن ∆G نشان از گرماگیر و خود به خودی بودن واکنش داشته و∆S مثبت نیز افزایش بی نظمی در سطح مشترک جامد/مایع را در این فرایند تأیید میکند. در بخش دوم این پژوهش جذب سطحی همزمان این دو رنگ بر روی جاذب به کمک چندین روش از جمله روشهای خطیMLR،SCAD و روش های غیرخطی ANN و RF مدلسازی شد. عوامل آزمایشگاهی مؤثر مانند: pH، دوز جاذب، غلظت اولیه رنگها و مدت زمان تماس به عنوان پارامترهای ورودی (متغیر مستقل) به مدل نظر گرفته شدند و ارزیابی مدلها با استفاده از ۲۹ داده سری تست انجام شد. پارامترهای آماری نشان داد که پیشبینیهای انجام شده بهوسیله روشهای RFو ANN نتایج قابل قبولی ارائه داده و نتایج حاصل از مدل شبکه عصبی مصنوعی ANN به مراتب توانایی بالاتری در پیشبینی فرآیند جذب برای هر دو رنگ در شرایط آزمایشی مختلف دارد.
کلید واژه ها (نمایه ها):
#واژههای کلیدی: جذب سطحی #کریستالوایولت #متیلنبلو #پوسته دانه ون #مدلسازی #شبکه عصبی مصنوعی #جنگل تصادفی
محل نگهداری: کتابخانه مرکزی دانشگاه صنعتی شاهرود
یادداشت: حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.
تعداد بازدید کننده: