مطالعه عملکرد نانوکامپوزیت مونت موریلونیت -CuFe۲O۴ جهت فعال سازی پراکسی مونوسولفات در تجزیه رنگ اسید رد ۱۸
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 62
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEHE-10-4_001
تاریخ نمایه سازی: 28 آذر 1402
چکیده مقاله:
زمینه و هدف: پساب خروجی از صنایع نساجی حاوی آلاینده های مختلف فلزی و مواد آلی می باشد که در دهه های اخیر توجه بیشتر مهندسین محیط زیست را جلب نموده است. روش های مبتنی بر فرآیندهای اکسیداسیون پیشرفته همچون فعال سازی پراکسی منوسولفات (PMS) روش عالی برای تخریب آلاینده های آلی با ساختار پیچیده همچون رنگ می باشد. در مطالعه حاضر نانوذرات مس فریت (CuFe۲O۴) بارگذاری شده روی مونت موریلونیت (MMT) به عنوان کاتالیست فعال ساز PMS در تجزیه رنگ اسید رد ۱۸ مورد استفاده قرار گرفت.
مواد و روش ها: کاتالیست MMT-CuFe۲O۴ به روش سل- ژل تهیه شده و ویژگی آن از طریق آنالیزهای TEM، SEM-EDX، XRD و FTIR تعیین شد. شرایط بهینه برای حذف حداکثر رنگ از طریق متدلوژی سطح پاسخ (RSM) پیش بینی شد. تاثیر آنیون ها روی نرخ تجزیه رنگ و پایداری کاتالیست به عنوان آزمایشات تکمیلی در مطالعه حاضر انجام شد.
یافته ها: آنالیز های تشخیصی نشان داد که نانوذرات CuFe۲O۴ با اندازه نانومتر روی سطح MMT بارگذاری شده است. نتایج آنالیز آماری با R۲= ۹۷۷/۰ و F= ۲۷/۱۱۴ نشان داد که پارامترها روی تجزیه کاتالیتیک رنگ موثر بوده اند. حداکثر بازدهی حذف رنگ (۹۹.۶۶%) توسط مدل RSM در شرایط بهینه شامل pH ۹۳/۸، دوزاج PMS ۱۸/۱ میلی مولار، دوزاج کاتالیست ۲۲۸ میلی گرم بر لیتر و زمان واکنش ۶۶/۹ دقیقه پیش بینی شد. حضور آنیون های محتلف در محیط واکنش بازدهی از ۱۰۰% به ۸۵% کاهش داد.
نتیجه گیری: برپایه نتایج، MMT-CuFe۲O۴ یک کاندیدای خوب برای تصفیه محلول آبی حاوی رنگ اسید رد ۱۸ می باشد.
کلیدواژه ها:
نویسندگان
نظام الدین منگلی زاده
Department of Environmental Health Engineering, Larestan University of Medical Sciences, Larestan, Iran
محمد حسین دهقانی
Student Research Committee, Larestan University of Medical Sciences, Larestan, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :