بهینه کردن جاذب همراه با نانوذره بتن متخلخل در کاهش بار آلودگی رواناب شهری با استفاده از روش تاگوچی
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 248
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEWE-6-3_005
تاریخ نمایه سازی: 9 اردیبهشت 1400
Abstract:
تامین آب بهعنوان ماده حیاتی بشر، در خیلی از کشورها بهصورت بحران درآمده است. ایران با توجه به اقلیم خشک و نیمهخشک آن از آبهای شیرین بهره کمی برده است؛ بنابراین با توجه به نیاز مبرم به آب و همچنین کمبود منابع آب، جهت تامین نیاز آبی در کشاورزی و فضای سبز باید در جهت بازچرخانی و استفاده مجدد از آبهای روان، برنامههای مدیریتی لازم را اعمال کرد. امروزه استفاده از روسازی متخلخل در معابر شهری از اهمیت ویژهای برخوردار میباشد و میتوان از این نوع بتن در کاهش آلودگیهای آب استفاده کرد. بهدلیل مفید بودن جاذبهای مختلف در کاهش آلودگی، در مقاله حاضر تاثیر جایگزینی جاذبهای پومیس، اسکریا، زئولیت و تراورتن با درصدهای حجمی ۲۵، ۵۰،۷۵ و ۱۰۰% و نانوذرات سولفید فلزی با ۱، ۲، ۳ و ۴% با سنگدانه بتن متخلخل، بر پارامترهای کیفی در رواناب با روش تاگوچی بررسی شده است. آزمایشهای مربوط به خواص فیزیکی در آزمایشگاه تکنولوژی بتن و آزمایشهای مربوط به پارامترهای کیفی در آزمایشگاه شیمی انجام شد. در این پژوهش از سه پارامتر افزودنی، درصد حجمی افزودنی و نانوذرات سولفید فلزی استفاده شده است. در نهایت با استفاده از نرمافزار مینیتب و اکسل، پارامترها و تاثیر هر یک از آنها در کاهش آلودگی بررسی شد. یافتههای پژوهش نشان داد که بیشترین تاثیر بر کاهش آلایندگی را بهترتیب درصد افزودنی، نوع افزودنی و میزان نانوذره دارد. در نهایت؛ اگر یک طرح اختلاط پیشنهاد شود که بیشترین حذف آلایندگی را داشته باشد؛ میتوان ۷۵% کسر حجمی و یک درصد نانوذره را معرفی کرد.
Keywords:
Authors
عماد کهریزی
دانشجو دکتری، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران
طاهر رجائی
دانشیار، گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران
مهدی صدیقی
استادیار، گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه قم، قم، 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 :