بررسي سنتيكي جذب پيوسته كاتيون مس توسط هيدروژل نانوكامپوزيت ژل كربوكسي متيل سلولز-پيوند-پلي(AMPS كو-اكريل آميد)-بنتونيت

Traditional study on the continuous absorption of copper cation by hydrogel nanocomposite of carboxymethyl cellulose-gravel-poly (AMPS co-acrylamide) -buntonite gel

در اين پژوهش نانوكامپوزيت ژلي بر پايه كربوكسي متيل سلولز،اكريل آميد، AMPS و نانو ذره بنتونيت با استفاده از روش پليمريزاسيون راديكال آزاد تهيه و به عنوان جاذب كاتيون مس از محلول آبي مورد استفاده قرار گرفت.به منظور ريخت شناسي جاذب توليدي توسط آناليز( SEM )مورد ارزيابي قرار گرفت. . در ادامه با توجه به اين كه پارامترهاي مختلفي مي تواند بر روي فرآيند جذب پيوسته اثرگذار باشد، اثر پارارمترهاي مختلف غلظت اوليه يون، ارتفاع ستون جاذب، دبي تزريق بر روي كارايي جذب مورد بررسي قرار گرفت. در طول انجام آزمايش غلظت يون مس در محلول آبي توسط دستگاه اسپكتروفوتومتر اندازه گيري شد. با توجه به داده هاي آزمايشگاهي مطالعه سينتيكي بر روي داده ها انجام و مدل هاي سينتيكي آدامز-بوهارت، توماس و يون-نلسون براي پيش بيني منحني هاي شكست مورد استفاده قرار گرفت. مقادير ضرايب هم بستگي نشان دادكه مدل هاي توماس ويون -نلسون به ترتيب با بيش ترين R2 93% و 92% تطابق خوبي با داده هاي آزمايشگاهي دارد.

In this study, gel nanocomposite based on carboxymethylcellulose, acrylamide, AMPS and nanoparticles of bentonite was prepared using free radical polymerization and used as a cationic copper adsorbent in aqueous solution.In order to evaluate the adsorbent morphology of the produced by the analysis (SEM). . In view of the fact that various parameters can affect the continuous absorption process, the effect of different parammeters of ion initial concentration, absorbance column column, injection rate on absorption efficiency was investigated.During the experiment, the concentration of copper ion in aqueous solution was measured by a spectrophotometer. According to laboratory data, a kinetic study was performed on the data, and Adams-Boehart, Thomas and Yon-Nelson kinetic models were used to predict fracture curves.The correlation coefficients showed that the Thomas Vaughan-Nelson models with the highest R2 of 93% and 92%, respectively, are in good agreement with experimental data.