کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5410766 1506562 2015 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Breakthrough curve modeling of liquid-phase adsorption of fluoride ions on aluminum-doped bone char using micro-columns: Effectiveness of data fitting approaches
ترجمه فارسی عنوان
مدل سازی منحنی دستیابی به موفقیت جذب یون فلوراید بر روی استخوان آلومینیوم با استفاده از میکرو ستون: اثربخشی رویکردهای اتصالات داده
کلمات کلیدی
ستون های بسته بندی شده فلوراید، استخوان اصلاح شده با آلومینیوم، مدل سازی منحنی دستیابی، جذب مایع فیزیکی،
ترجمه چکیده
یک تحلیل عددی مقایسه ای از سه روش برای مدل سازی منحنی دستیابی به موفقیت با استفاده از داده های تجربی از جذب فلوراید بسته بندی شده بر روی یک رشته استخوان رقیق شده آلومینیوم با استفاده از میکرو ستون انجام شده است. عملکرد اتصالات سنتی توماس و یان، یک مدل انتقال جمعی برای یک سیال همراه با جریان رسانه ای متخلخل و یک شبکه عصبی مصنوعی با روشی جراح مغز بهینه مورد بررسی و بررسی قرار گرفته است که در برآورد داده های منحنی های دستیابی نامتقارن فلوراید صورت گرفته است. نتایج حاصل از این مطالعه، شایستگی نسبی مدل های منحنی دستیابی به آزمایش را برای تجزیه و تحلیل داده های جذب غیر خطی مربوط به فرمالدئید آب با استفاده از جاذب جدید نشان داد. به طور خاص، استفاده از شبکه های عصبی مصنوعی برای سازگاری الگوهای جذب بسیار غیر خطی آلودگی های اولویت آب قابل اعتماد است.
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی تئوریک و عملی
چکیده انگلیسی
A comparative numerical analysis of three approaches for the breakthrough curve modeling has been performed using the experimental data of packed-bed fluoride adsorption on a novel aluminum-doped bone char using micro-columns. The performance of traditional Thomas and Yan breakthrough equations, a mass transfer model for a mobile fluid flowing through a porous media, and an artificial neural network with the optimal brain surgeon approach have been studied and discussed in the data fitting of asymmetric fluoride breakthrough curves. Results of this study highlighted the relative merits of tested breakthrough curve models for the non-linear adsorption data analysis involved in water defluoridation using a new adsorbent. In particular, the application of artificial neural networks is reliable for fitting highly non-linear adsorption patterns of priority water pollutants.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Molecular Liquids - Volume 208, August 2015, Pages 114-121
نویسندگان
, , , , , , ,