بررسی اثر غلظت سورفکتانت بر اصلاح زئولیت در حذف نیترات و شبیه سازی آن با مدل های سینتیکی و ANFIS در ستون با بستر ثابت
Publish place: Journal of Water and Wastewater، Vol: 30، Issue: 3
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 450
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WWJ-30-3_007
تاریخ نمایه سازی: 17 تیر 1398
Abstract:
حذف نیترات به منظور استفاده مجدد از زهاب کشاورزی، کنترل تغذیه گرایی و کاهش اثرات محیط زیستی، اهمیت زیادی دارد. برای این منظور اثر اصلاح زئولیت با غلظت های سورفکتانت (HDTMABr) به مقدار 0، 10، 15، 20 و 25 میلی گرم در لیتر با ستون هایی با ارتفاع 30 سانتی متر و قطر 32 میلی متر مورد آزمایش قرار گرفت. به منظور مدل سازی منحنی شکست ستون جذب نیز مدل های سینتیکی بوهارت-آدامز، توماس و دز-پاسخ اصلاح شده به علاوه مدل هوش مصنوعی ANFIS مورد ارزیابی قرار گرفتند. نتایج نشان داد با افزایش ظرفیت جذب تعادلی از 07/0 به 74/0 میلی گرم در گرم، زمان شکست و اشباع نیز افزایش می یابند. اصلاح زئولیت طبیعی با غلظت 25 میلی گرم در لیتر سورفکتانت، به عنوان بهترین سطح غلظت سورفکتانت انتخاب شد. در بین مدل های جذب، مدل توماس و مدل دز-پاسخ اصلاح شده قادر به پیش بینی ضرایب دینامیکی جذب بودند ولی مدل دز-پاسخ اصلاح شده، کارایی و دقت بالاتری نشان داد. نتایج پژوهش حاکی از آن است که افزایش غلظت سورفکتانت، منجر به افزایش ظرفیت جذب تعادلی می شود. سیستم استنتاج عصبی-فازی تطبیقی با میانگین خطای نسبی 3/23 درصد، جذر میانگین مربعات و خی دو 9/3 و 2/7، کارایی بالاتری نسبت به مدل دز-پاسخ اصلاح شده و در مجموع نسبت به مدل های ریاضی جذب از خود نشان داد.
Keywords:
Authors
جمال عباس پلنگی
دکترای آبیاری و زهکشی، گروه مهندسی آب، دانشکده مهندسی زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
محمد علی غلامی سفیدکوهی
دانشیار گروه مهندسی آب، دانشکده مهندسی زراعی. دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
محمدعلی بهمنیار
استاد، گروه خاکشناسی دانشکده علوم زراعی، دانشگاه علوم کشاورزی و منابع طبیعی ساری، ساری، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :