21514

21514

مدلسازي و بهينه سازي حذف كدورت از آب با استفاده از گرافن اكسايد به عنوان ماده منعقدكننده

كارشناسي ارشد

محيط‌ زيست

1398/8/14

دكتر مريم حسني زنوزي - دكتر مطهره سعادت پور

دكتر محبوبه رباني

عمران

فرآيند انعقاد و لخته سازي يكي از مهم‌ترين مراحل توليد آب آشاميدني است كه طي آن ذرات كلوئيدي كه عامل اصلي كدورت آب هستند، حذف مي شوند. به‌تازگي نانومواد با پايه كربني به علت سطح تاثير و سايت هاي فعال بيشتر، به‌عنوان جايگزين مواد شيميايي متداول در تصفيه آب مورد توجه قرار گرفته اند. يكي از اين مواد گرافن اكسايد (GO) مي باشد كه به دليل دارا بودن خواص سطحي منحصر به فرد، تحقيقات زيادي بر روي قابليت آن در جذب آلاينده ها از محيط آبي انجام شده است. از آنجايي كه در پژوهش هاي پيشين، مطالعات بسيار كمي در زمينه خواص انعقادي گرافن اكسايد صورت گرفته، لذا هدف اصلي اين پژوهش، بررسي خواص انعقادي گرافن اكسايد در حذف كدورت از آب به همراه بهينه سازي و مدل سازي فرآيند مي باشد. به اين منظور در گام نخست، تاثير pH، دوز گرافن اكسايد، كدورت اوليه و نيز زمان هاي اختلاط و ته نشيني بر حذف كدورت از نمونه هاي كدورت مصنوعي ساخته شده با خاك باغچه و آب شير، با استفاده از آزمون جار بررسي گرديد. طبق نتايج به‌دست ‌آمده، بازدهي حذف كدورت با افزايش دوز گرافن اكسايد در محدوده mg/L 2/5 تا mg/L 40 و نيز در pHهاي اسيدي (7 و كمتر از آن) افزايش يافت اما اثر كدورت اوليه بر راندمان حذف، تحت تاثير عوامل موثر ديگر همچون pH و دوز گرافن اكسايد بود. همچنين افزايش زمان هاي اختلاط تند و كند تاثير چنداني بر راندمان حذف نداشت. به‌علاوه، حذف عمده فلاك هاي تشكيل شده، در دقايق اوليه زمان ته نشيني رخ داده است. در گام دوم، توانايي منعقدكنندگي گرافن اكسايد و نحوه اثرگذاري پارامترهاي ورودي با استفاده از روش رويه پاسخ (RSM) و در نرم افزارDesign Expert ، مورد بررسي قرار گرفت. طبق نتايج، گرافن اكسايد در حذف كدورت نمونه با كدورت اوليه NTU 162/5 و pH برابر با 3، در دوز mg/L 16/25 از گرافن اكسايد بهترين عملكرد (بيش از 97% حذف كدورت) را دارا بود. طبق نتايج روش رويه پاسخ، دو پارامتر pH و دوز منعقدكننده به ترتيب موثرترين پارامترهاي تاثيرگذار بر راندمان حذف كدورت توسط گرافن اكسايد بودند كه اين نتيجه با نتايج آزمايشهاي مقدماتي همخواني داشت. علاوه بر نتايج آزمايش هاي جار، تصاوير ميكروسكوپ نوري، ميكروسكوپ الكتروني روبشي (SEM) و نيز آناليز دانه بندي بيانگر تناسب تشكيل لخته ها و انجام فرآيند انعقاد بود. همچنين با توجه به نتايج به‌دست ‌آمده از آناليز پتانسيل زتا، مكانيزم اصلي انعقاد توسط گرافن اكسايد از نوع جاروبي تشخيص داده شد. در ادامه مطالعات، كليه نمونه هاي برداشت شده در آزمايشگاه به‌منظور توسعه مدل هاي داده كاوي (تكنيك هاي شبكه عصبي مصنوعي (ANN)، رگرسيون بردار پشتيبان (SVR) و سيستم استنتاج فازي- عصبي تطبيقي (ANFIS)) تخمين حذف كدورت با استفاده از گرافن اكسايد، مورد استفاده قرار گرفت. براي تخمين پاسخ سيستم به اثرات دوز گرافن اكسايد، pH و كدورت اوليه، مدل هاي داده كاوي با تكنيك هاي مذكور توسعه داده شد و عملكرد آنها با يكديگر بر اساس شاخصه هاي آماري مورد مقايسه قرار گرفت. بر اساس نتايج حاصل، شبكه عصبي مصنوعي با دقت بسيار مناسب تري (0/9492=R2) نسبت به ساير تكنيك هاي داده كاوي مورد استفاده، به تخمين درصد حذف كدورت نائل گرديد. اگرچه سيستم استنتاج فازي- عصبي تطبيقي دقت پايين تري نسبت به مدل شبكه عصبي مصنوعي داشت اما ترسيم درست تري از دنياي واقعيت به دليل لحاظ نمودن عدم قطعيت ها ارائه مي نمايد. علاوه بر اين با استفاده از شاخصه اطلاعات متقابل جزئي (PMI)، pH، دوز گرافن اكسايد و كدورت به ترتيب داراي بيشترين اثر بر كارايي حذف كدورت از آب با استفاده از گرافن اكسايد تشخيص داده شدند. اين نتيجه مؤيد نتايج تحليل هاي ارائه شده توسط روش رويه پاسخ و نيز نتايج آزمايش هاي مقدماتي بود.

1398/10/25

Modeling and optimization of turbidity removal from water using of graphene oxide as coagulating agent

11/4/2020 12:00:00 AM

One of the most prominent stages in producing drinking water is the process of Coagulation/ flocculation in which colloidal particles that are the main cause of turbidity are removed. Recently, carbon-based nanomaterial due to more surface area and functionalized sites, are considered as a substitute for common chemical materials in water purification. One of these materials is graphene oxide (GO) which thanks to its unique properties, several researches on its capability of pollutant absorption have been done. Due to lack of consideration the coagulation characteristic of graphene oxide in previous studies, the major attempt of this investigation is exploring the coagulation characteristic of GO contributing in removing turbidity as well as optimization and modeling process. Therefore, at the first step, effects of pH, grapheme oxide dose, initial turbidity, mixing time, and settling time on removing turbidity from artificial turbid water samples building out of garden soil and tap water was tested by using jar test. According to the obtained results, efficiency of removing turbidity increased by amplification of grapheme oxide dose from 2.5 mg/L to 40 mg/L, and also of acidic pH (up to 7) but initial turbidity impact on efficiency of removing was affected by other significant factors such as pH and graphene oxide dose. Furthermore, increasing in rapid and slow mixing time did not make substantial difference on efficiency of removing. Moreover, major elimination of constructed flocs have been occurred in first minutes of time settling. At the second stage, coagulation ability of grapheme oxide and how effectiveness input parameters are, were investigated by using Response Surface Methodology (RSM) in Design expert. Based on the results, graphene oxide showed the best performance in removing turbidity of sample (more than 97% turbidity elimination) with initial turbidity of 162.5 NTU and pH of 3, in grapheme oxide dose of 16.25 mg/L. According to Response surface methodology, two parameters pH and grapheme oxide dosage were the most influential parameters in efficiency of turbidity elimination using grapheme oxide which was in the same line as introductory experiments. Besides results of jar tests, microscopic optical images, scanning electron microscope and also particle size distribution analysis illustrated appropriateness of built flocs and accomplishing coagulation process. Also, by consideration the results of zeta potential analysis, the main mechanism of coagulation using grapheme oxide was diagnosed as a sweep coagulation. In further studies, all samples from laboratory in order to develop data mining models (artificial neural network (ANN), Support vector regression (SVR) and Adaptive neuro-fuzzy inference system (ANFIS)) for estimation turbidity elimination using grapheme oxide were utilized. To estimate system response to graphene oxide dosage impacts, pH and initial turbidity, data mining models with those techniques were developed and those performance were compared with each other in terms of statistical metrics. Accord to results, ANN had higher accuracy (R2 = 0.9492) in comparison to other techniques. Although ANFIS had a lower accuracy rather than ANN, eluminated a better drawing of real world thanks to considering uncertainties. Furthermore, by utilizing partial mutal information (PMI), pH, graphene oxide dosage and turbidity have been respectively ordered as the most to the less effects on removing turbidity from water. This result was a proof for results of analysis from RSM and introductory tests. Keywords: Coagulation and Flocculation, Colloid, Turbidity, Coagulant, Graphene Oxide