بررسی حذف آهن و منگنز از منابع آبی به کمک برگ چای و کاه برنج
Publish place: Journal of Water and Wastewater، Vol: 33، Issue: 2
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: Persian
View: 198
This Paper With 16 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-33-2_001
تاریخ نمایه سازی: 19 مرداد 1401
Abstract:
بالا بودن میزان آهن و منگنز در آب شرب باعث ایجاد رسوب، کدورت، طعم بد و رنگ می شود. با توجه به سطح زیر کشت چای و برنج در استان گیلان و تولید اجتناب ناپذیر ضایعات حاصل از آنها، می توان با استفاده از پسماند آنها نسبت به حذف عناصر نامطلوب اقدام کرد. این پژوهش در مقیاس آزمایشگاهی به صورت ناپیوسته و با بررسی اثر عوامل تاثیرگذار مانند pH، زمان تماس، غلظت اولیه، مقدار جاذب و دما انجام شد. همچنین با استفاده از روش دسته بندی گروهی داده های عددی مدل سازی فرایند جذب به روش ناپیوسته انجام شد. نتایج نشان داد که بیشترین ظرفیت جذب آهن برحسب mg/g برای ضایعات برگ چای ۴۴/۱۹ و کاه برنج ۹۹/۱۹ و منگنز برای برگ چای برابر ۸۶/۱۹و کاه برنج ۴۹/۱۹ بود. بهترین شرایط حذف آهن و منگنز از محلول آبی در pH خنثی، زمان تماس۴۰ تا ۵۰ دقیقه، دوز مصرفی جاذب ۰۵/۰ گرم و دمای ۲۵ تا ۳۵ درجه سلسیوس برای برگ چای و کاه برنج بود. در مجموع مدل GMDH کارایی زیادی برای پیش بینی غلظت نهایی آهن و منگنز در منابع آبی داشت. در کل می توان نتیجه گرفت که کاه برنج و برگ چای می توانند به عنوان جاذب های طبیعی ارزان قیمت و سازگار با محیط زیست در حذف آهن و منگنز از آب استفاده شوند.
Authors
محمد اکبری زاده
دکترای تخصصی، گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت، ایران
الهیار داغبندان
استادیار، گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت، ایران
بهروز عباسی سورکی
دانشیار، گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت، ایران
فاطمه رهبر ماسوله
کارشناسی ارشد، گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت، ایران
الهه آزاده فلکدهی
کارشناسی ارشد، گروه مهندسی شیمی، دانشکده فنی و مهندسی، دانشگاه گیلان، رشت، 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 :