مدلسازی فازی فرآیند حذف آرسنیک از آب های زیرزمینی با نانو ذرات اکسید آهن
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 311
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WATER-12-2_014
تاریخ نمایه سازی: 29 دی 1400
Abstract:
مطالعاتی که اخیرا در سطح کشور صورت گرفته، آنومالی آرسنیک با غلظت بیش از حد استاندارد سازمان بهداشت جهانی و ملی (ppb ۱۰) را در منابع آب نشان میدهد که استفاده از این آب اثرات جبران ناپذیری بر سلامت انسان دارد. لذا می بایست راهکارهای اصولی و هدفمند جهت کاهش آنومالی آرسنیک ارائه گردد. تاکنون استفاده از نانوذرات در کاهش آرسنیک از آب در محیط آزمایشگاهی انجام گرفته است ولی کارایی این نانوذرات در کاهش مقدار آرسنیک در منابع آب زیرزمینی که عموما دارای کمپلکسهای مختلف است، بررسی نشده است. در این پژوهش از نانو ذرات اکسید آهن برای کاهش مقدار آرسنیک از منابع آب زیرزمینی استفاده شده است. مطالعات پیشین انجام شده بر روی نانو ذرات اکسید آهن به صورت جداسازی آرسنیک اضافه شده در محیط آزمایشگاهی بوده است ولی چالش اصلی این پژوهش، جداسازی آرسنیک از نمونه آب زیرزمینی میباشد. نتایج حاصل از بررسی تاثیر پارامترهای مختلف از جمله pH، دما، زمان تصفیه و مقدار ماده جاذب در جداسازی آرسنیک از آب نشان داد که جداسازی آرسنیک تحت شرایط دمایی بالاتر از دمای محیط، pH اسیدی، زمان ۵ تا ۱۵ دقیقه و مقدار ماده جاذب ۳/۰ گرم در بالاترین میزان راندمان خود قرار دارد. در ادامه این پژوهش، از مدل فازی ساجنو برای شبیه سازی و مدلسازی فرایند حذف آلاینده آرسنیک از منابع آب زیرزمینی استفاده گردید. نتایج مدل فازی نشان داد که این مدل با مقدار NRMSE و R۲ به ترتیب برابر با ۰۳/۰ و ۸/۰ برای پیشبینی تقریبی جذب آرسنیک توسط نانوذرات اکسید آهن بسیار کارآمد میباشد.
Keywords:
Authors
عطااله ندیری
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، شهر تبریز، ایران
مریم قره خانی
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، شهر تبریز، ایران
پریسا لطفی نیا
گروه علوم زمین، دانشکده علوم طبیعی، دانشگاه تبریز، تبریز، ایران
مهدی اسدی
دانشکده شیمی، دانشگاه تبریز، تبریز، 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 :