OPTIMIZATION OF ADSORPTION PROCESS FOR REMOVING PHENANTHRENE FROM AQUOUCE BY TAGUCHI
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 503
فایل این مقاله در 9 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:
IRANLABCO02_015
تاریخ نمایه سازی: 6 اسفند 1395
چکیده مقاله:
To the point globally, contamination of petroleum refinery effluent with phenanthrene (Phe) as the persistence organic pollutants is considered as the most curtail environmental concern. Phe is very toxic to aquatic organisms. The aim of this applied-analytical study is to investigate phenanthrene removal from urban drinking water using batch reactor adsorption. Various operating variables are analysed for their effects on Phe removal; these are the graphene oxide (GO) adsorbent dose, the pH, the Phe initial concentration, and reaction time. Phenanthrene removal efficiency is tested in different operating cases of the variables the GO adsorbent dose (1 to 3 g/dL), the pH (3.5 to 10.5), the Phe initial concentration (5 to 15 mg/L), and reaction time (20 to 60 min). Phenanthrene is determined according to procedure detailed in standard methods. Batch adsorption experiments show that the maximum phenanthrene removal (100%) is happened at pH 7, the Phe initial concentration 5 mg/L, the reaction time 30 min, and the GO adsorbent dose 2 g/dL. The Phe adsorption in GO is obtained from Langmuir isotherm. Therefore, batch experiments show that the adsorption reactor can be high efficient low cost in Phe removal from drinking water and may be considered as a promising process for treating phenanthrene-polluted drinking water.
کلیدواژه ها:
نویسندگان
G Kashi
Department of Environmental Health, Islamic Azad University Tehran Medical Branch, Tehran, Iran
F Khoushab
Department of Environmental Health, Islamic Azad University Tehran Medical Branch, Tehran, 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 :