Применение искусственной нейронной сети и моделей динамической адсорбции для прогнозирования извлечения гуминовых веществ из фильтрата твердых бытовых отходов

Том 13 научных докладов, Номер статьи: 12421 (2023) Цитировать эту статью

95 доступов

1 Альтметрика

Подробности о метриках

Устойчивое управление фильтратом твердых бытовых отходов (ТБО) требует смены парадигмы от удаления загрязняющих веществ к эффективному восстановлению ресурсов и одновременному уменьшению количества загрязняющих веществ. В этом исследовании из ТБО были извлечены два типа гуминовых веществ: фульвокислота (ФК) и гуминовая кислота (ГК). ГК экстрагировали с использованием раствора HCl и NaOH, а затем ФК с использованием слоя колонны при различных операциях, таких как скорость потока, входная концентрация и высота слоя. Кроме того, эта работа направлена ​​на оценку эффективности моделей искусственной нейронной сети (ИНС) и динамической адсорбции при прогнозировании ФА. При скорости потока 0,3 мл/мин, высоте слоя 15,5 см и входной концентрации 4,27 г/мл максимальная емкость ЖК была получена при 23,03 мг/г. FTIR-анализ в ГК и ФК выявил несколько кислородсодержащих функциональных групп, включая карбоксильные, фенольные, алифатические и кетоновые. Высокое значение коэффициента корреляции (R2) и более низкое значение среднеквадратической ошибки (MSE) были получены с использованием ИНС, что указывает на превосходную способность ИНС прогнозировать адсорбционную емкость по сравнению с традиционным моделированием.

Фильтрат, образующийся на полигоне твердых бытовых отходов (ТБО), является побочным продуктом разложения биоразлагаемых отходов1. Ежегодно на полигонах твердых бытовых отходов (ТБО) образуются сотни тысяч кубометров фильтрата с высоким содержанием органических веществ2. В настоящее время движение к безотходной экономике сосредоточено на повторном использовании материалов, ранее считавшихся отходами, в ценные ресурсы3.

Успешное восстановление продуктов с добавленной стоимостью из ТБО требует использования эффективных технологий4. Обычная обработка ТБО часто сложна, что приводит к неблагоприятным последствиям для окружающей среды и увеличению затрат5. ТБО может быть потенциальным ресурсом для восстановления продуктов с высокой добавленной стоимостью6,7. Среди многочисленных веществ, которые можно эффективно извлечь из ТБО, гуминовое вещество (ГВ) является наиболее значимым из-за его разнонаправленного действия и широкого применения8,9,10.

HS представляет собой комбинацию полимерных, ароматических и алифатических кислот, образующихся в результате микробного разложения отходов животного и растительного происхождения. По растворимости ГВ в воде при различных значениях рН их условно можно разделить на три части: фульвокислоты (ФК), гуминовые кислоты (ГК) и гумины (Hu)11,12,13. Благодаря своей структуре и способностям ГВ улучшают кондиционирование почвы, развитие корней, поглощение питательных веществ и рост растений14. Недавно было признано, что эти вещества удаляют органические загрязнители (антибиотики, гербициды, фунгициды и другие фенольные соединения) и тяжелые металлы15,16,17. Поэтому необходим поиск способов извлечения ГВ с высокой эффективностью. Были разработаны многочисленные методы экстракции HS, включая адсорбцию неионогенными или ионными смолами, мембранную фильтрацию и т. д.18,19. Методы адсорбции смол являются одним из наиболее популярных подходов к экстракции ЖК из-за их простоты, легкой конструкции, доступности и низкого энергопотребления.

FA можно экстрагировать путем адсорбции смолой, рекомендованной Международным обществом гуминовых веществ, в различные химические группы в зависимости от ее гидрофобности. Наиболее часто используемой смолой является Suplite DAX-8 (ранее известная как XAD-8). В нескольких исследованиях для извлечения FA из MSWL использовалась смола DAX-8. Баккот и др.20 Извлекли HS из MSWL в качестве органической добавки для улучшения структуры почвы. Подобные процедуры также применялись для экстракции ГК, ФК и других органических материалов с использованием колонок DAX-821.

Эксперименты по динамической адсорбции могут прогнозировать и моделировать кривые прорыва (BTC). Их также можно легко масштабировать для использования в промышленности, что делает их мостом между лабораторными экспериментами и реальными приложениями. Кроме того, поскольку они могут управлять многими решениями, они более точны для определения проектных параметров при практическом использовании22,23. Для БТД с неподвижным пластом появилось несколько традиционных математических моделей, в том числе модели Томаса, Юна-Нельсона и модели времени эксплуатации глубины пласта (BDST)24. Эти модели прогнозируют реалистичную эффективность адсорбции без необходимости экспериментальной установки. Кроме того, они дают практическую информацию о конструкции колонн25. Однако информация о применении этих моделей при извлечении ЖК из ТБО с использованием неподвижного слоя отсутствует.