Adsorption of Fe(II) from Aqueous Phase by Chitosan: Application of Physical Models and Artificial Neural Network for Prediction of Breakthrough

در اين مطالعه حذف يون آهن (??) از محيط آبي با استفاده از جاذب كيتوسان در سيستم هاي ناپيوسته و پيوسته مورد بررسي قرار گرفت. آزمايش‌هاي ناپيوسته در بازه غلظتي mg/l 50-10 و بازه دمايي ?C 40-20 انجام پذيرفت. در آزمايشهاي ناپيوسته بيشترين ظرفيت جذب mg/l28 و بيشترين راندمان حذف 93% بوده است. داده هاي تعادلي جذب به خوبي با مدل لانگمير-فرندليچ برازش شد و ثوابت مدل‌ بدست آمد. در مطالعه سيستم پيوسته، آزمايش‌ها در بستر ثابتي از جاذب كيتوسان با جريان رو به بالا و در دماي ثابت ?C25 انجام شد. در دبي هاي بالاتر، غلظت اوليه بالاتر فلز و ارتفاع كم‌تر بستر، منحني هاي رخنه داراي شيب بيشتري بودند. منحني هاي رخنه با مدل هاي فيزيكي توماس و يان، به همراه روش شبكه هاي عصبي مصنوعي مورد تحليل قرار گرفتند. شبيه سازي ديناميكي رفتار سيستم با استفاده از شبكه عصبي مصنوعي (BP-ANN) انطباق بالاتري با داده‌هاي تجربي در مقايسه با مدل هاي فيزيكي نشان داد. آناليز FTIR كيتوسان، قبل و بعد از فرايند جذب نشان داد كه گرو هاي هيدروكسيل و آميني، اصلي ترين گروه هاي عاملي شركت كننده در جذب يون هاي آهن مي باشند

Removal of Fe(II) from aqueous media was investigated using chitosan as an adsorbent in both batch and continuous systems. Batch experiments were carried out at initial concentration range of 10-50 mg/L and temperature range of 20–40?C. In batch experiments, maximum adsorption capacity of 28.7 mg/g and removal efficiency of 93% were obtained. Adsorption equilibrium data were well-fitted with Langmuir-Freundlich model and the model parameters were obtained. In column study, experiments were performed in a fixed bed of chitosan operated at continuous up-flow mode and constant temperature of 25?C. Sharp breakthrough curves were observed at high flow rates, high inlet metal concentrations and low bed heights. Breakthrough curves were analyzed by physical models such as Thomas and Yan’s models as well as Artificial Neural Network (ANN) method. Compared to physical models, simulation of dynamic behaviour of the system using Back Propagation Artificial Neural Network (BP-ANN) demonstrated high coincidence between experimental and predicted breakthrough curves. The FTIR spectrum of chitosan before and after adsorption process demonstrated that hydroxyl and amino groups are the main functional groups involved in the binding of Fe(II)