banner
Centre d'Information
Service après-vente supérieur

Introduction d'un modèle d'apprentissage automatique à la méthodologie de surface de réponse pour la biosorption du colorant bleu de méthylène à l'aide de la biomasse de Triticum aestivum

May 13, 2023

Rapports scientifiques volume 13, Numéro d'article : 8574 (2023) Citer cet article

325 accès

Détails des métriques

Un problème environnemental majeur à l'échelle mondiale est la contamination de l'eau par les colorants, en particulier des effluents industriels. Par conséquent, le traitement des eaux usées de divers déchets industriels est crucial pour restaurer la qualité de l'environnement. Le colorant est une classe importante de polluants organiques qui sont considérés comme nocifs pour les personnes et les habitats aquatiques. L'industrie textile s'est davantage intéressée aux adsorbants d'origine agricole, en particulier à l'adsorption. La biosorption du colorant bleu de méthylène (MB) à partir de solutions aqueuses par la biomasse de paille de blé (T. aestivum) a été évaluée dans cette étude. Les paramètres du processus de biosorption ont été optimisés en utilisant l'approche de la méthodologie de surface de réponse (RSM) avec une conception composite centrale centrée sur la face (FCCCD). En utilisant un colorant MB de concentration de 10 mg/L, 1,5 mg de biomasse, un pH initial de 6 et un temps de contact de 60 min à 25 °C, les pourcentages maximaux d'élimination du colorant MB (96 %) ont été obtenus. Des techniques de modélisation de réseaux de neurones artificiels (ANN) sont également utilisées pour stimuler et valider le processus, et leur efficacité et leur capacité à prédire la réaction (efficacité d'élimination) ont été évaluées. L'existence de groupes fonctionnels, qui sont des sites de liaison importants impliqués dans le processus de biosorption MB, a été démontrée à l'aide de spectres de spectroscopie infrarouge à transformée de Fourier (FTIR). De plus, un microscope électronique à balayage (SEM) a révélé que des particules fraîches et brillantes avaient été absorbées à la surface du T. aestivum après la procédure de biosorption. Il a été démontré que la bio-élimination du MB des effluents d'eaux usées est possible en utilisant la biomasse de T. aestivum comme biosorbant. C'est aussi un biosorbant prometteur qui est économique, écologique, biodégradable et rentable.

Les industries des usines de teinture textile produisent une quantité importante de déchets, dont 5 % se retrouvent dans des effluents d'environ 637,3 millions de mètres cubes par an, ce qui contribue de manière significative à la pollution des plans d'eau1. Les eaux usées des industries qui fabriquent des colorants et des pigments, ainsi que de nombreuses autres, sont généralement riches en couleurs et en matières organiques. L'utilisation de colorants est répandue dans des secteurs tels que le textile, le caoutchouc, le papier, le plastique et les cosmétiques. Les textiles sont les premiers parmi ces plusieurs industries à utiliser des colorants pour colorer les fibres. Les rejets de colorants des industries textiles provoquent une grave pollution de l'air, de l'eau et du sol et ont donc un impact négatif sur l'environnement. L'industrie textile est récemment devenue un problème important qui a un impact à la fois sur les personnes et sur l'environnement2. Les eaux usées contenant des colorants sont dangereuses car elles contiennent des substances toxiques, des solides en suspension et d'autres produits chimiques3,4. Un produit chimique résultant de leur interaction est extrêmement dangereux pour les personnes, les plantes et la vie aquatique. Il en résulte des maladies d'origine hydrique5. MB est le colorant le plus courant et le plus populaire dans l'industrie textile, utilisé pour colorer la laine, la soie et le coton. MB est une structure quinonoïde anionique chargée positivement et la formule chimique de MB est C16H18ClN3S. La méthémoglobinémie, la nécrose des tissus, la confusion mentale et les vomissements sont tous des effets secondaires possibles de la toxicité du MB6. Limiter le transfert d'oxygène et empêcher la lumière du soleil d'atteindre les plans d'eau sont deux effets négatifs des colorants sur l'environnement7.

Récemment, plusieurs rapports sur les méthodes d'élimination des colorants ont été publiés8. Les trois principales catégories de traitement pour les méthodes qui ont été présentées sont les traitements chimiques, biologiques et physiques9,10. Certaines des méthodes remarquables qui sont généralement signalées comprennent l'adsorption, le traitement biologique, le traitement électrochimique, l'oxydation avancée (AOP) et la filtration membranaire11,12. Le pré-épreuvage est utilisé pour se débarrasser de la teinture. Chaque technique a des avantages et des inconvénients. L'approche la plus fréquemment utilisée est l'adsorption13. Il permet l'élimination des polluants à des niveaux allant de faibles à élevés. En conséquence, de nombreuses études ont été menées pour créer des matériaux adsorbants efficaces et abordables14. La plus adaptable et la plus largement utilisée de ces techniques est la biosorption, elle est à la fois abordable et conviviale15,16. De nombreuses études ont soutenu et confirmé l'utilisation d'une variété de matériaux pour la biosorption des polluants afin d'éliminer les contaminants17,18. Les biosorbants populaires et très efficaces tels que le charbon actif sont également plus chers19, ce qui a conduit de nombreux chercheurs à rechercher des biosorbants peu coûteux et facilement accessibles localement20,21. Pour éliminer le colorant MB des eaux usées textiles, T. aestivum est utilisé comme biosorbant à faible coût dans cette étude. Il s'agit d'un déchet agricole fréquemment jeté qui est facilement accessible et ne peut plus être utilisé à des fins bénéfiques22,23. De plus, il est disponible gratuitement ou extrêmement peu coûteux, ce qui en fait un biosorbant facilement disponible et rentable. Les inconvénients des adsorbants synthétisés pour les traitements des eaux usées de teinture sont que la régénération du biosorbant est coûteuse et entraîne la perte de matériaux, nécessite un dosage élevé et est économiquement non viable pour certaines industries comme le papier et la pâte à papier.

De nombreuses variables, y compris le pH, la quantité de biosorbant utilisée et la concentration de colorant, peuvent affecter l'élimination du colorant par biosorption24. La méthode de surface de réponse est une méthode de calcul flexible qui peut être utilisée pour optimiser le processus de biosorption. Il est bénéfique pour planifier la modélisation et améliorer l'optimisation des expériences. Il était autrefois utilisé pour simuler la procédure de biosorption25,26. Dans cette étude, nous utilisons la conception composite centrale de RSM (CCD) pour optimiser la biosorption du colorant MB sur T. aestivum. L'étude proposée vise à utiliser T. aestivum comme biosorbant économique et respectueux de l'environnement pour éliminer le colorant MB de l'échantillon aqueux. Le traitement des eaux usées de l'industrie textile a fait l'objet de quelques articles de recherche7,27, mais la plupart d'entre eux décrivent en profondeur l'adsorbat actuel et se concentrent sur les métaux ou les colorants. Ils ont parlé des nombreux adsorbants à faible coût disponibles pour le traitement des eaux usées de l'industrie textile.

De plus, la combinaison du RSM avec l'apprentissage automatique (ANN) pourrait augmenter la fiabilité du modèle. L'émergence de meilleures méthodes de modélisation avec des performances de modèle améliorées, telles que ANN, offre un substitut à la régression polynomiale. Les réponses de sortie obtenues par le CCD ont été comparées aux prédictions faites par apprentissage automatique (ANN) à l'aide du programme MATLAB. Un examen plus approfondi de la littérature révèle plusieurs lacunes et lacunes. Les recherches antérieures se concentraient généralement uniquement sur l'étude de la thermodynamique, de la cinétique et des isothermes du processus de biosorption. Ces études justifient une meilleure compréhension de la biosorption, mais il reste encore beaucoup de travail à faire avec le plan d'expériences (RSM) et la modélisation des machines. Cet article fournit une nouvelle approche novatrice de la modélisation d'optimisation à l'aide de RSM pour étudier et examiner comment le dosage de biosorbant, le pH initial du colorant, la concentration et la température affectent le comportement critique de la biosorption. Les paramètres thermodynamiques, les isothermes, la cinétique de biosorption et la modification de surface de T. aestivum ont tous été déterminés en analysant les données de biosorption à l'aide de la spectroscopie infrarouge à transformée de Fourier. Un diagramme schématique de l'étude de biosorption est présenté à la Fig. 1.

Un diagramme schématique de l'étude de la biosorption.

Il est d'abord divisé en petits morceaux et rincé à plusieurs reprises avec de l'eau pour éliminer tout résidu. Le biosorbant est ensuite placé et exposé au soleil pour sécher pendant une semaine. Le biosorbant sec a ensuite été broyé au mortier. À l'aide d'un tamis vibrant, le biosorbant broyé est tamisé pour conserver des particules de taille uniforme, avant d'être séché pendant 24 h dans un four à air chaud à 70 ° C, les particules qui ont traversé un tamis de 250 µm sont utilisées de l'eau déminéralisée pour rincer trois fois. Les tests de biosorption sont effectués en utilisant le biosorbant préparé. La composition chimique de T. aestivum est répertoriée dans le tableau 1.

La procédure de biosorption est créée pour reconnaître l'activation de la biomasse en utilisant la spectroscopie FTIR pour évaluer les groupes fonctionnels sur la surface du biosorbant. Avec une gamme expérimentale de 400 à 4000 cm-1, les spectres sont obtenus à l'aide d'un instrument PerkinElmer FTIR.

Dans cette enquête, la biosorption expérimentale est réalisée à l'aide de MB (C16H18ClN3S xH2O) de qualité analytique. La caractéristique de MB est répertoriée dans le tableau 2.

La quantité requise de poudre de colorant MB et d'eau désionisée est combinée pour produire la solution mère de MB (500 mg/L). Les niveaux de concentration donnés sont produits à partir de la solution mère de MB. Il a été utilisé pour recueillir les résultats expérimentaux.

Les paramètres du processus de biosorption doivent être optimisés en fonction de variables telles que la dose de biosorbant, le temps de contact, la température, la solution de pH et la concentration initiale de colorant pour obtenir une biosorption maximale. Chaque expérience consistait à secouer des flacons Erlenmeyer avec 100 ml de solutions de colorant MB à 120 tr/min pendant 60 min. Lors de l'utilisation d'un pH-mètre, une solution de NaOH 1 M ou de HCl 1 M a été ajoutée aux solutions de teinture pour modifier le pH. Le biosorbant a été retiré du mélange en utilisant du papier filtre à des intervalles de 0,45 µm tout en agitant. Un spectrophotomètre d'absorption (marque : Labman Scientific Instruments Pvt. Ltd., modèle : LMSP UV1900) est utilisé pour comparer les concentrations de colorant avant et après traitement. Les moyennes des deux essais de chaque expérience ont été présentées sous forme de concentrations. Pour examiner l'impact sur la cinétique de biosorption, la densité de couleur de départ et le temps de réponse des solutions d'essai ont été modifiés. Avec l'utilisation d'un pH-mètre (Marque : HANNA instruments, USA, Modèle : HI 991001), le pH de la solution de colorant a été modifié. Pour déterminer comment la température affecte différents paramètres thermodynamiques, des recherches sur la biosorption ont été menées à l'aide de solutions diluées de HCl ou de NaOH. Les niveaux de biosorption (qt) au temps t (mg/g) ont été calculés en utilisant l'Eq. (1)31

Ct (mg/L) indique la concentration globale de colorant, Co (mg/L) la concentration initiale de colorant, V le volume de solution (L) et W la masse sèche de biosorbant (g). Afin de déterminer la quantité de biosorption à l'équilibre, qe(mg/g), a été montré dans l'Eq. (2)

Dans cette équation, Ce est la concentration de colorant à l'équilibre (en mg/L). Pour répondre à l'enquête RSM, le pourcentage d'élimination du colorant a été calculé à l'aide de l'équation. (3)

Parce qu'une seule variable est modifiée alors que les autres variables sont maintenues constantes dans une expérience standard, le chercheur ignore l'effet synergique des composants. Une variété de méthodologies d'optimisation ont été développées dans l'analyse opérationnelle au fil des ans, résultant en une longue histoire d'études d'optimisation32. RSM est une méthodologie statistique méthodique qui améliore la concordance des essais minimaux lors de l'évaluation de la relation entre les réponses de conception et les facteurs33. La conception quadrilatérale est fournie parce que le CCD ne contient qu'un sous-ensemble des expériences requises pour la factorielle en cinq étapes et fournit des schémas avec les propriétés statistiques requises34,35.

La dose de biosorbant (0,5 à 2,5 mg), la concentration initiale en ions métalliques (10 à 50 mg/L), le pH initial du colorant (4 à 8) et la température (15 à 35 °C) constituent les critères de conception du CCD de biosorption24. Avec deux choix comme niveaux axiaux, chaque variable avait cinq niveaux : 1, 0, + 1, − α et + α. Les variables indépendantes sélectionnées de l'étude sont énumérées ci-dessous, et leurs valeurs et plages sont dans le tableau 3.

Le nombre d'expériences nécessaires pour la conception du CCD peut être déterminé par

où c est le nombre de répliques du point central, n est le nombre de composantes numériques et N est le nombre total d'expériences25. L'analyse graphique, l'analyse de régression et la conception expérimentale ont toutes été réalisées à l'aide du logiciel de Stat-Ease Inc. connu sous le nom de Design Expert. Un total de 30 essais ont été conçus, chacun contenant six répétitions des points centraux, huit répétitions des points axiaux et seize répétitions des points cubiques, conformément à l'équation. (4). Des équations de régression ont été utilisées pour déterminer les circonstances idéales des variables. À l'aide d'une combinaison en quatre points de quatre variables et de trois phases, la dose maximale de sorbant organique, le pH, la concentration initiale en ions métalliques et la température ont tous été calculés35. Ce design a été choisi car il répondait à la plupart des critères d'optimisation des études de bioabsorption26. Trouver des conditions de travail de processus idéales pour répondre aux normes de performance est l'objectif principal de RSM.

Nous avons utilisé les faits de biosorption de MB sur T. aestivum pour résoudre les équations isothermes. Selon l'isotherme de Langmuir, ni les molécules cibles ni la surface de l'adsorbant n'interagiront jamais. Le modèle comprend également un nombre restreint de sites Web énergétiques, qui sont généralement organisés en une monocouche36. Les isothermes de Langmuir peuvent être utilisées pour simuler le processus de biosorption.

qe est la quantité de colorant absorbée à l'équilibre en mg et qmax est la quantité maximale de colorant qui peut être absorbée par l'intermédiaire de la biomasse en mg, Ce est la conscience MB à l'équilibre exprimée en mg/L, tandis que b est la constante isotherme de Langmuir. Au lieu de cela, la forme linéarisée de l'équation de Langmuir peut être représentée comme suit.

Ce désigne la concentration à l'équilibre de MB (mg/L), qe la quantité de MB absorbée à l'équilibre (mg/g) et qm la capacité de biosorption maximale/monocouche (mg/g) respectivement. Les caractéristiques de base de l'isotherme de Langmuir sont décrites par une constante de dissociation non dimensionnelle, RL.

Les données expérimentales sur la biosorption dans cette étude ont été optimisées en utilisant le pseudo-premier ordre. Cette étude cinétique a utilisé différentes concentrations de colorant (Co = 10, 20, 30, 40 et 50 mg/L) pour évaluer la cinétique pendant cinq à quatre-vingt-dix minutes. La description de base du taux de biosorption déterminé par la capacité de biosorption est donnée ci-dessous conformément à l'équation de taux du premier ordre de Lagergren. Généralement, une expression linéaire de ce taux est utilisée37.

Les quantités de MB adsorbées sur T. aestivum à l'équilibre (qe) et à tout moment (qt), respectivement ; K1 (min−1) est la constante de vitesse de biosorption de pseudo-premier ordre (qt). Ho a suggéré qu'un modèle cinétique basé sur le taux d'expression avec des coefficients quadratiques a été proposé pour la biosorption des ions métalliques dissociés (adsorbants) dans les particules de charbon. La capacité de biosorption de l'adsorbant est cohérente avec ce modèle38. Ce modèle est cohérent avec la capacité de biosorption de l'adsorbant. Le modèle présente une équation de vitesse pseudo-quadratique et vise à séparer la cinétique de l'équation de vitesse quadratique basée sur la concentration de biomasse des données basées sur la concentration de solvant. La forme linéaire du modèle pseudo-quadratique est la suivante dans l'Eq. (9)

T. aestivum absorbe le colorant MB à l'équilibre (mg/g) et à tout moment, désigné respectivement par qe et qt. La constante de vitesse d'équilibre pour la biosorption de pseudo-second ordre est K2. Pour déterminer comment ils affecteraient le modèle de pseudo-second ordre proposé par Ho de la cinétique de biosorption, la densité de couleur initiale et le temps de réaction des solutions d'essai ont été modifiés.

Les paramètres thermodynamiques comprennent l'entropie (\(\Delta\)S), les changements dans l'énergie libre de Gibb (\(\Delta\)G) et l'enthalpie (\(\Delta\)H), de la biosorption à différentes températures pour le colorant MB sur le T. aestivum29. Cinq températures différentes ont été utilisées pour étudier l'impact de la température sur les tests lot par lot du colorant MB sur T. aestivum. Le diagramme suivant illustre les influences des paramètres thermodynamiques sur la variation de \(\Delta\)G au cours du processus de biosorption39. La pente et l'ordonnée à l'origine de la fonction suivante ont été utilisées pour calculer le changement d'entropie et d'enthalpie au cours du processus de biosorption.

Peu d'études ont déjà utilisé la modélisation de l'apprentissage automatique (ANN) pour prévoir l'élimination du colorant de la performance MB40. Les neurones qui composent un ANN sont des unités de traitement hautement couplées qui ont des fonctions de jonction de sommation et de transfert. La modélisation ANN, contrairement au RSM, comprend une entrée (facteurs), une cible (réponse expérimentale) et une sortie (réponse prédite). La couche d'entrée (représentant les variables indépendantes), la couche de sortie (représentant les variables dépendantes) et les couches cachées qui relient les entrées aux sorties sont les couches dans lesquelles sont placés les neurones artificiels41. La figure 2 illustre le schéma de neuronal.

Structure du modèle ANN pour les sorties % d'élimination de colorant (MB).

Cette recherche n'implique pas de participants humains et/ou d'animaux.

L'élimination de colorant la plus élevée observée et les valeurs de biosorption MB prévues, ainsi que la matrice de la conception expérimentale sont répertoriées dans le tableau 4. En 60 min, 30 tests au total ont été effectués. T. aestivum avait le taux d'élimination de colorant le plus élevé (96 %) par rapport aux autres combinaisons avec 1,5 mg de biosorbant, 10 mg/L de solution de colorant, pH 6 et une température de 25 °C. Le lien entre les variables indépendantes choisies et la biosorption du colorant MB est décrit par des équations de régression, qui sont utilisées pour exprimer RSM. Pour cette enquête, l'équation de régression est exprimée en termes de valeurs codées est représentée par Eq. (11).

A, B, C et D sont les variables codées utilisées dans cette enquête RSM. Pour prévoir comment chaque élément réagira aux différentes phases, l'équation peut être utilisée conjointement avec la variable codée. La notation standard pour le statut supérieur et subordonné est + 1 et 1, respectivement. À l'aide de cette équation de codage, les effets relatifs des variables sont déterminés après avoir comparé les coefficients des facteurs. La figure 3 montre que la valeur prédite de l'adsorption de MB est tracée par rapport à la valeur réelle des données, ce qui donne une valeur R2 de 0,9945, qui valide la précision des modèles et peut être utilisée dans l'expérience.

Les valeurs attendues pour la biosorption MB sont tracées par rapport aux données expérimentales.

L'analyse ANOVA a utilisé tous les résultats expérimentaux pour la variable de réponse factorielle complète qui a été dupliquée aux points central et axial (tableau 5). Une contribution significative du modèle quadratique est indiquée dans les résultats de l'ANOVA du tableau 5 avec une valeur de p inférieure à 0,01. Le modèle significatif dans l'enquête actuelle est illustré par la valeur F de l'échantillon de 193,32. Cette énorme valeur F peut être causée par le bruit avec une probabilité de seulement 0,01 %. Les valeurs obtenues en utilisant R2 = 0,9945 montrent une forte corrélation entre les données expérimentales actuellement disponibles et les valeurs prédites du modèle proposé pour décrire la propriété du modèle polynomial. Cette corrélation est décrite par le calcul du coefficient, l'écart moyen sur le modèle décrit et les valeurs elles-mêmes. Les résultats avec R2 = 0,9945 montrent qu'il existe une forte corrélation entre les données expérimentales actuellement disponibles et les valeurs prédites du modèle qui sont suggérées pour refléter la propriété du modèle polynomial. La détermination du coefficient, l'écart moyen tout au long du modèle décrit et la valeur démontrent tous ce lien. La valeur de F est de 4,54 montre qu'il peut y avoir un risque de 5,43 % que la prévalence considérable de la déficience de la valeur F d'ajustement soit due au bruit, et l'absence d'ajustement n'est pas statistiquement significative.

Les diagrammes de surface de réponse montrent la réponse de l'efficacité de la biosorption MB (%) aux paramètres communs basés sur la plupart des valeurs de paramètres alternatifs pour un certain ensemble de composants est illustré à la Fig. 4a – f. Les courbes de ces tracés 3D montrent comment les variables de processus interagissent. Le scénario optimal et les résultats interactifs des quatre facteurs évalués sont illustrés dans les tracés d'aspect 3D de la Fig. 4a – f.

Biosorption MB par la biomasse de T. aestivum dans une parcelle de surface tridimensionnelle, illustrant les effets interactifs des quatre facteurs testés.

La disponibilité et le coût de la biomasse sont les principales considérations déterminantes lors de son adoption à des fins industrielles à grande échelle. La biomasse est l'une des catégories les plus intéressantes de biosorbants39. En termes d'élimination des métaux lourds des eaux usées, la biomasse agricole présente de nombreux avantages, parmi lesquels le fait d'être une biomasse naturelle renouvelable et économique, d'avoir une efficacité d'élimination des métaux excessive, d'avoir une capacité d'absorption excessive et d'être capable de régénérer et de réutiliser la biomasse42. La figure 4d démontre que l'efficacité d'élimination du MB augmente avec l'augmentation de la dose de biosorbant et diminue avec la diminution des concentrations de colorant. La principale cause de l'augmentation simultanée de la capacité de biosorption du BM et d'une augmentation de la concentration de biosorbant est la disponibilité de beaucoup plus de sites actifs ouverts à la surface du biosorbant43. En revanche, Vijayaraghavan et al. ont découvert que la concentration de biomasse de T. aestivum augmentait avec le taux de biosorption de MB à partir d'une solution aqueuse44. Le fait que le pourcentage de biosorption du colorant diminue à mesure que l'attention sur la biomasse augmente démontre que la grande variété de molécules de colorant nécessaires pour couvrir absolument tous les sites d'adsorption actifs de la biomasse à des doses excessives de sorbant est insuffisante1.

La relation entre la dose de biosorbant et la concentration de colorant MB est illustrée à la Fig. 4a. Les pourcentages d'élimination de MB augmentent avec l'augmentation de la dose de biosorbant et de la concentration de colorant. Le processus de biosorption est également influencé par les concentrations initiales de MB. La croissance des concentrations préliminaires de colorant provoque généralement une croissance dans le pourcentage d'élimination. La quantité de colorant de biosorption à la surface des adsorbants augmente à mesure que la concentration initiale de MB augmente45.

La procédure de biosorption peut être motivée à l'aide de nombreuses variables, ainsi que le pH, la concentration préliminaire et le dosage du biosorbant. La figure 4c décrit l'association entre le pH et la température. Alors que le niveau de pH initial, la concentration de MB et la durée de contact ont été maintenus à leurs niveaux zéro, les tracés de surface tridimensionnels (3D) de la Fig. 4c montrent les effets simultanés du pH et de la température sur l'élimination de MB (%), respectivement. Il a été découvert que le processus de biosorption des contaminants est le plus affecté, entre autres, par le niveau de pH initial. Les niveaux de pH influencent une variété de processus, y compris la chimie des solutions métalliques, l'activité des groupes fonctionnels dans la biomasse et la charge nette à la surface des cellules absorbantes. Les ions de métaux lourds et H + peuvent entrer en compétition les uns avec les autres pour les sites actifs cellulaires à la surface des cellules biosorbantes puisque la méthode de biosorption pour les métaux importants dépend généralement du potentiel de la concentration en ions hydrogène46. Selon l'étude des résultats expérimentaux, la biomasse de T. aestivum peut absorber plus efficacement le colorant MB car le pH augmente, la biosorption maximale se produisant à environ pH 8. La surface de T. aestivum apparaissant comme un biosorbant et la protonation et la déprotonation du colorant MB peuvent chacune être utilisées pour fournir une explication du résultat.

La sensibilité du processus de biosorption à la température peut être utilisée pour déterminer une capacité de sorption du biosorbant. L'impact de la température sur l'élimination du Basic Blue 41 (BB41) par un compost de feuilles total efficace à base de micro-organismes a été évalué à différentes températures entre 25 et 45 °C47. Les résultats de l'expérience ont montré qu'une augmentation de la température entraînerait une plus grande capacité de sorption du colorant (Fig. 4b). La figure 3e montre qu'en augmentant légèrement la concentration à basse température, l'efficacité de l'élimination du colorant augmente également. Les chercheurs ont découvert que l'augmentation des températures augmente le taux de diffusion des solutés, ce qui a un impact significatif sur la capacité du sorbant à absorber les solutés48. Cependant, l'impact de la température sur la biosorption est assez délicat et peut être légèrement augmenté à des températures plus basses. La capacité des molécules de colorant à maintenir le contact avec les sites de surface du biosorbant et l'expansion de la taille des pores avec l'augmentation de la température ont été citées comme causes de ce résultat. En général, une élévation de la température accélère la vitesse de diffusion des solutés, ce qui a un impact significatif sur la capacité des biosorbants à se lier aux solutés48.

Un résultat d'ajustement d'une ligne linéaire avec une interception (Ce/q) à l'équation de Langmuir est affiché sous la forme (Ce/q) par rapport à (Ce) illustré sur la figure 5A. Selon le tableau 6, les coefficients de corrélation déterminés par l'isotherme de Langmuir étaient de 0,9381. L'écart de la biosorption par rapport à la linéarité est pris en compte lors du calcul de la seconde constante de Langmuir, RL. Dans l'enquête actuelle, la valeur d'équilibre de la valeur du facteur sans dimension, RL, qui varie de 0 à 1, était de 0,062 (tableau 6), indiquant une biosorption favorable. Cela a confirmé que T. aestivum et MB avaient une biosorption favorable (Fig. 5A).

(A) Modèle d'isotherme de Langmuir et (B) isotherme de Freundlich sous forme linéaire.

La figure 5B illustre les valeurs de 1/n et Kf déterminées à partir de l'ordonnée à l'origine et de la pente du tracé linéaire de ln qe par rapport à ln Ce49. Les constantes souhaitées sont fournies avec l'équation de régression comme indiqué dans le tableau 6. La nature favorable de la biosorption a été prouvée par le fait que n est compris entre 0 et 150. Les isothermes de biosorption de Langmuir et Freundlich expliquent le mieux les résultats d'équilibre, démontrant que la formation de monocouche médie la biosorption sur une surface homogène. La figure 5B montre un ajustement linéaire de l'équation de Freundlich en utilisant une ligne avec une interception de ln Kf et une pente de n49.

Les valeurs K1, qe et R2 calculées de la cinétique de premier ordre sont présentées dans le tableau 7. Comme le montre la figure 6, des graphiques de pseudo-second ordre ont été réalisés en traçant t/qt en fonction du temps. Les constantes de taux de second ordre ont été calculées à l'aide des graphiques. Les calculs K2, qe et R2 du second ordre sont pris en charge par le tableau 7.

Courbe cinétique de pseudo second ordre pour le pourcentage d'élimination de MB par T. aestivum.

Les coefficients de corrélation des cinétiques de pseudo-second ordre deviennent proches de l'unité contrairement aux cinétiques de pseudo-premier ordre. Par conséquent, il est évident que le modèle de pseudo-second ordre représente une biosorption plus réussie.

Comme prévu, la capacité de biosorption du MB sur T. aestivum augmente considérablement lorsque la température augmente de 20 à 40 °C. La capacité de biosorption de T. aestivum est stimulée par l'expansion de la longueur des pores du biosorbant et le réchauffement de la surface du sorbant. L'augmentation de la température entraîne une pénétration plus profonde de la grosse molécule de colorant, ce qui améliore également la puissance du gros ion de colorant, ce qui réduit l'impact du gonflement16,51. En conséquence, MB a pu absorber le T. aestivum plus rapidement à des températures élevées. L'énergie libre de Gibbs (\(\Delta\)G), l'enthalpie (\(\Delta\)H) et l'entropie (\(\Delta\)S), entre autres caractéristiques thermodynamiques, ont toutes été calculées pour l'extrusion28. En outre, le tableau 8 fournit également des valeurs de \(\Delta\)H, \(\Delta\)G et \(\Delta\)S pour des concentrations préliminaires de colorant MB de 20 mg/L.

Les valeurs négatives de ΔG ont démontré la spontanéité et la viabilité du processus d'adsorption pour la sorption MB sur T. aestivum. Comme il y a moins d'imprévisibilité à l'interface solide/liquide lorsque MB s'adsorbe sur T. aestivum, la valeur de l'entropie ΔS (− 10,11 kJ/mol K) est négative. La valeur négative de ΔH (- 12 300,04 kJ/mol pour MB) soutient le caractère exothermique de la réaction. Une bonne interaction entre T. aestivum et MB est indiquée par des niveaux élevés de ΔH. Cela nous a conduit à la conclusion que la sorption du colorant dans T. aestivum est un processus de biosorption chimique.

La probabilité d'adhérence (S*) est fonction du système adsorbat/biosorbant en question, mais elle dépend de la température et doit remplir le critère 1 < S* < 1 pour une biosorption optimale. La valeur de la probabilité de collage a été calculée à partir des données expérimentales. Il a été calculé à l'aide d'une équation de type Arrhenius modifiée.

Le paramètre S* représente la mesure de la capacité d'un adsorbat à persister indéfiniment sur l'adsorbant. La couverture de surface (\(\theta\)) à différentes températures a été calculée pour évaluer les effets de la température sur la probabilité de collage sur la plage de températures de 288 à 308 K. La pente et l'ordonnée à l'origine de ln (1 − ϴ) contre 1/T peuvent être utilisées pour déterminer la valeur de Ea et S*. La valeur négative de Ea montre que l'élimination du colorant bleu de méthylène par adsorption sur Triticum aestivum est favorisée par une température de solution plus basse et que le processus de biosorption est de nature exothermique. Ce biosorbant a une affinité pour le bleu de méthylène, ce qui indique qu'il s'agit d'un biosorbant supérieur pour l'élimination du bleu de méthylène, comme le montre la probabilité d'adhérence MB de S* < 1 à la surface de la biomasse est présentée dans le tableau 8.

Les RNA sont utilisés pour générer de nouveaux processus, analyser ceux qui existent et anticiper le résultat et les performances des systèmes26. La topologie optimale du réseau neuronal à anticipation se compose d'une couche de sortie, d'une couche cachée et de quatre neurones chacun dans les couches d'entrée et cachée (dont un neurone).

Les expériences conçues par le CCD ont fourni l'entrée et la sortie pour la formation. Après la formation, les poids et les biais d'un réseau de neurones sont affichés dans le tableau 9. La fonction de transfert logsig (log-sigmoïde) du modèle fournit les informations nécessaires pour anticiper les résultats. La figure 7 affiche les valeurs attendues du modèle ANN. En termes de nombre d'époques d'apprentissage, la figure 8 analyse la formation, la validation et les tests du modèle ANN.

Diagramme de régression pour ANN de MB sur la formation, la validation et le test de prédiction de T. aestivum.

Performance de la formation, de la validation et de l'erreur de test pour ANN de MB sur T. aestivum.

Les conditions de processus améliorées prédites par RSM sont également évaluées à l'aide d'un modèle ANN. La dose de biosorbant (2 mg), la concentration de colorant (20 mg/l), le pH de la solution de colorant (7) et la température (20 °C) sont utilisés comme paramètres d'entrée pour le modèle ANN. Lorsque l'erreur de test est la plus faible et que l'erreur quadratique moyenne n'a pas changé pendant au moins 1000 itérations, l'apprentissage est terminé. Le réseau est formé à cette analyse pour un total de 6 époques. Lorsque les valeurs anticipées des modèles ANN et RSM sont comparées, il devient évident que les valeurs prédites par les deux modèles sont considérablement plus proches des résultats expérimentaux (tableau 9).

Les résultats expérimentaux ont été optimisés à l'aide du logiciel Design-Expert35. L'efficacité de biosorption de 93,51 % a été atteinte dans les conditions idéales indiquées dans le tableau 1025 et a mené une expérience par lots spéciale pour démontrer l'optimisation dans des circonstances idéales pour une comparaison dans des circonstances appropriées entre les résultats projetés et réels. La différence entre la valeur projetée et la valeur réelle est de 93,90 % ou 93,51 %, ce qui confirme que les valeurs prévues et réelles sont les mêmes, ce qui donne des résultats de modèle vérifiés. Selon les exigences répertoriées dans le tableau 10, l'équation du modèle est développée pour maximiser l'efficacité de l'élimination des MB. L'optimisation numérique prédite a été obtenue avec une dose de biosorbant de 2 mg, une concentration de 20 mg/L, un pH de 7 et une température de 20 °C avec une efficacité d'élimination du colorant MB de 93,90 %. Le pourcentage d'erreur entre la prédiction RSM et la condition optimisée est de 0,41 % et l'erreur entre RSM et ANN est de 2,17 %. L'expérience de validation menée avec la même valeur d'entrée a donné une efficacité d'élimination de MB de 93,51 % et les réactions projetées sont cohérentes avec les prédictions du modèle validées dans ces conditions de processus idéales (tableau 10).

En utilisant la spectroscopie FTIR, une altération de surface peut être trouvée, permettant d'examiner le mécanisme de biosorption. À l'aide du système Perkin Elmer FTIR, les données du spectre FTIR ont été recueillies. La surface du biosorbant est visible avec des groupes fonctionnels tels que les groupes nitro, hydroxyle, carbonyle, carboxylique, phénol et phénol sur la Fig. 9. Les spectres FTIR peuvent être utilisés pour distinguer les nombreux groupes fonctionnels présents dans les formations de biosorbant52. Deux pics distincts à 1372 et 1371 cm−1 et 1512 et 1511 cm−1, respectivement, indiquent la vibration d'étirement des groupes nitro-N–O, dont on a découvert qu'ils avaient été étendus en raison de la biosorption sur le biosorbant. Les pics de 1634 et 1632 cm−1 sont les tronçons de C=C. L'étirement C – O de diverses fractions et le groupe carboxylique ont été impliqués comme étant la cause des nombreux pics forts et pointus qui ont été observés entre les niveaux de 1100 et 1330 cm-124. La vibration d'étirement O – H du groupe fonctionnel hydroxyle et la bande à 3200–3600 cm−1 avaient été précédemment liées (Fig. 9). L'étirement des groupements carboxyle dans C=O est responsable du pic vers 1700–1800 cm−1. Le différentiel de charge de surface peut changer en raison de charges de surface positives ou négatives en fonction du pH de la solution2,6,53. Dans une solution avec une valeur de pH inférieure, le système fonctionnera plus fréquemment et développera une charge de surface positive. Le groupe hydroxyle est indiqué par l'augmentation de hauteur à 3340 cm-1 provoquée par le MB absorbé sur T. aestivum, ainsi que par le sommet pointu robuste prolongé à 1034 cm-1. Des pics de l'ordre de 1327–1372 cm−1 ont été causés par l'interaction des sociétés MB et Nitro chez T. aestivum54,55,56.

Spectroscopie FTIR pour la biosorption de MB par T. aestivum.

La topographie de surface et les propriétés de T. aestivum peuvent être directement numérisées à l'aide d'un examen au microscope électronique à balayage (MEB). Les images SEM sont affichées avant et après la biosorption MB, la biomasse de T. aestivum (Fig. 10A,B). La biomasse constituée de T. aestivum non traité avait une surface rugueuse et irrégulière, comme le montre la figure 10A. L'aspect des particules fraîches et brillantes absorbées à la surface de T. aestivum a été représenté sur la figure 10B. Une autre qualité distinctive avait été démontrée (Fig. 10B). La surface du polymère T. aestivum a été réduite en raison de la réticulation possible entre les ions chargés positivement et les groupes fonctionnels chimiques chargés négativement dans la paroi cellulaire. La surface de T. aestivum est rugueuse et ondulée, ce qui augmente l'exposition de la surface des sites de biosorption actifs et conduit à l'efficacité de bioabsorption améliorée de MB.

Les images SEM illustraient la biomasse de T. aestivum : (A) avant et (B) après la biosorption MB.

La biosorption du colorant MB sur T. aestivum a été démontrée dans ce travail en utilisant les variables expérimentales de la quantité de biosorbant, du pH du colorant, de la température et de la concentration. Le résultat expérimental de la performance de biosorption du MB a été examiné et s'est avéré supérieur à l'utilisation de la technique d'optimisation RSM basée principalement sur CCD et de l'ANN. À l'aide d'études isothermes, cinétiques et thermodynamiques, les meilleurs résultats RSM ont été examinés. Cette étude a évalué la capacité de T. aestivum à éliminer le colorant MB des eaux usées. Il a été démontré que les résultats expérimentaux sont étroitement liés au modèle isotherme de Langmuir, qui a une capacité de biosorption maximale de 0,36 mg/g. De plus, la sorption de MB sur T. aestivum a été étudiée en utilisant une cinétique de pseudo-second ordre à une constante de vitesse de (2,56 gmg-1 min-1). L'analyse thermodynamique montre que le processus d'adsorption est exothermique et spontané. Après avoir caractérisé le biosorbant par évaluation des spectres FTIR de T. aestivum, il a été déterminé que le changement d'ions de colorant avec des contre-ions, qui sont généralement attachés à la surface par des groupes carboxyle, hydroxyle et nitro, est le mécanisme derrière la liaison métallique. T. aestivum est un adsorbant alternatif plus abordable même si comparé au charbon actif commercial, il a une plus grande capacité de biosorption. L'utilisation de T. aestivum comme adsorbant pour décolorer l'eau pourrait être peu coûteuse et efficace.

Toutes les données générées ou analysées au cours de cette étude sont incluses dans cet article publié.

Vijayaraghavan, K. & Yun, Y.-S. Biosorption de CI Reactive Black 5 à partir d'une solution aqueuse à l'aide d'une biomasse d'algues brunes Laminaria sp. Dyes Pigments 76, 726–732 (2008).

Mousavi SA Élimination du bleu de méthylène des solutions aqueuses par du charbon actif préparé à partir de N. microphyllum (AC-NM) : analyse RSM, isothermes et études cinétiques. Global NEST J. (2017).

Wang, C. et al. Exploration de l'acide polyépoxysuccinique en tant que nouvelle solution d'extraction dans le processus d'osmose directe. RSC Adv. 7, 30687–30698 (2017).

Article ADS CAS Google Scholar

Saravanan, A. et al. Élimination simultanée du Cu(II) et du colorant réactif vert 6 des eaux usées à l'aide d'une biomasse fongique mixte immobilisée et sa récupération. Chimiosphère 271, 129519 (2021).

Article ADS CAS PubMed Google Scholar

Haji, A. & Naebe, M. Teinture plus propre des textiles à l'aide d'un traitement au plasma et de colorants naturels : une revue. J. Clean Prod. 265, 121866 (2020).

Article CAS Google Scholar

Rahimpour, F., Shojaeimehr, T. & Sadeghi, M. Biosorption de Pb(II) à l'aide de Gundelia tournefortii : cinétique, équilibre et thermodynamique. Sep. Sci. Technol. 52, 596–607 (2017).

Article CAS Google Scholar

Patil, CS et al. Feuille de carbone dérivée de mélasse de canne à sucre et composite de sable de mer pour l'élimination directe du bleu de méthylène des eaux usées textiles : assainissement des eaux usées industrielles grâce à une méthodologie durable, plus verte et évolutive. Sept. Purif. Technol. 247, 116997 (2020).

Article CAS Google Scholar

Manikandan, G., Senthil Kumar, P. et Saravanan, A. Modélisation et analyse de l'élimination du colorant bleu de méthylène d'une solution aqueuse à l'aide de graines de Ceiba pentandra physiquement/chimiquement modifiées. Ing. J. Ind. Chim. 62, 446–461 (2018).

Rápó, E., Posta, K., Suciu, M., Szép, R. & Tonk, S. Élimination par adsorption du colorant remazole brillant violet-5R des solutions aqueuses en utilisant une coquille d'œuf calcinée comme biosorbant. Acta Chim. Slov. 66, 648–658 (2019).

Article PubMed Google Scholar

Rapo, E. et al. Adsorption de remazole brillant violet-5R colorant textile à partir de solutions aqueuses en utilisant un biosorbant de déchets de coquille d'œuf. Sci. Rep. 10, 8385 (2020).

Article ADS PubMed PubMed Central Google Scholar

Ganiyu, SO, van Hullebusch, ED, Cretin, M., Esposito, G. & Oturan, MA Couplage de la filtration membranaire et des procédés d'oxydation avancés pour l'élimination des résidus pharmaceutiques : un examen critique. Sept. Purif. Technol. 156, 891–914 (2015).

Article CAS Google Scholar

Ofomaja, AE Synthèse et optimisation des variables de réaction dans la préparation du composite pinmagnétite pour l'élimination du colorant bleu de méthylène. S. Afr. J. Chem. Ing. (2019).

M Gören, HMKN Élimination de la rhodamine B d'une solution aqueuse à l'aide de pommes de pin activées avec HNO3. J. Int. Environ. Appl. Sci. (2021).

Uddin, MJ, Ampiaw, RE & Lee, W. Élimination par adsorption des colorants des eaux usées à l'aide d'un cadre métallo-organique : une revue. Chimiosphère 284, 131314 (2021).

Article ADS CAS PubMed Google Scholar

Calimli, MH et al. Préparation, caractérisation et cinétique d'adsorption du colorant bleu de méthylène dans des nanoadsorbants supportés par de l'oxyde de graphène réduit. J. Mol. Liquide. 309, 113171 (2020).

Article CAS Google Scholar

Liu, Y. & Liu, Y.-J. Isothermes de biosorption, cinétique et thermodynamique. Sept. Purif. Technol. 61, 229-242 (2008).

Article CAS Google Scholar

Bordoloi, S., Garg, A., Sreedeep, S., Lin, P. & Mei, G. Enquête sur la fissuration et la disponibilité en eau du composite sol-biochar synthétisé à partir de la jacinthe d'eau envahissante. Bioressource. Technol. 263, 665–677 (2018).

Article CAS PubMed Google Scholar

Jain, CK, Kumar, A. & Hayssam Izazy, M. Élimination de la couleur des effluents de papeterie grâce à la technologie d'adsorption. Environ Monit Assess 149, 343–348 (2009).

Pathania, D., Sharma, S. & Singh, P. Élimination du bleu de méthylène par adsorption sur du charbon actif développé à partir de Ficus carica bast. Arabe. J. Chem. 10, S1445–S1451 (2017).

Article CAS Google Scholar

Tang, R. et al. élimination du bleu de méthylène d'une solution aqueuse à l'aide de coquilles de noix de résidus agricoles : études d'équilibre, cinétiques et thermodynamiques. J. Chem. 2017, 1–10 (2017).

Article CAS Google Scholar

Khoramzadeh, E., Nasernejad, B. & Halladj, R. Biosorption du mercure à partir de solutions aqueuses par la bagasse de canne à sucre. J. Taïwan Inst. Chim. Ing. 44, 266-269 (2013).

Article CAS Google Scholar

Aloma, I., Martin-Lara, MA, Rodriguez, IL, Blazquez, G. & Calero, M. Élimination des ions nickel (II) des solutions aqueuses par biosorption sur la bagasse de canne à sucre. J. Taïwan Inst. Chim. Ing. 43, 275-281 (2012).

Article Google Scholar

Ullah, I., Nadeem, R., Iqbal, M. & Manzoor, Q. Biosorption du chrome sur la biomasse de déchets de bagasse de canne à sucre native et immobilisée. Écol. Ing. 60, 99-107 (2013).

Article Google Scholar

Podstawczyk, D., Witek-Krowiak, A., Dawiec, A. & Bhatnagar, A. Biosorption des ions de cuivre (II) par la farine de lin : modélisation empirique et optimisation des processus par la méthodologie de surface de réponse (RSM) et la simulation de réseau de neurones artificiels (ANN). Écol. Ing. 83, 364–379 (2015).

Article Google Scholar

Sen, S., Nandi, S. & Dutta, S. Application de RSM et ANN pour l'optimisation et la modélisation de la biosorption du chrome (VI) à l'aide de la biomasse cyanobactérienne. Appl. Sci de l'eau. 8, 148 (2018).

Annonces d'article Google Scholar

Ghosh, A., Das, P. & Sinha, K. Modélisation de la biosorption de Cu(II) par des feuilles de thé épuisées modifiées par des alcalis à l'aide de la méthodologie de surface de réponse (RSM) et d'un réseau de neurones artificiels (ANN). Appl. Sci de l'eau. 5, 191-199 (2015).

Article ADS CAS Google Scholar

Dali Youcef, L., Belaroui, LS & López-Galindo, A. Adsorption d'un colorant bleu de méthylène cationique sur une palygorskite algérienne. Appl. Argile. Sci. 179, 105145 (2019).

Article CAS Google Scholar

Yadav, V., Ali, J. & Garg, MC Biosorption du colorant bleu de méthylène des eaux usées de l'industrie textile sur la bagasse de canne à sucre : modélisation de la surface de réponse, isothermes, modélisation cinétique et thermodynamique. J. Risque radioactif toxique. Déchets 25, (2021).

Jain, H. et al. Une approche verte éco-durable pour la biosorption du colorant bleu de méthylène provenant des eaux usées de l'industrie textile par la bagasse de canne à sucre, la coque d'arachide et la peau d'orange : une étude comparative à travers la méthodologie de surface de réponse, les isothermes, la cinétique et la thermodynamique. Eau Air Sol Pollution. 233, 187 (2022).

Article ADS CAS Google Scholar

Essekri, A. et al. Élimination par adsorption améliorée du colorant cristal violet des milieux aqueux à l'aide d'algues rouges modifiées à l'acide citrique : étude expérimentale combinée à l'optimisation du procédé RSM. J. Dispers Sei. Technol. 43, 1359-1372 (2022).

Article CAS Google Scholar

Kumari, S. et al. Application de RSM pour la bioélimination du colorant bleu de méthylène des eaux usées industrielles sur la biomasse durable de la coquille de noix (Juglans regia). Eau (Bâle) 14, 3651 (2022).

Pulicharla, R. et al. Dégradation de la chlortétracycline dans les boues d'épuration par ultrasons, oxydation de Fenton et ferro-sonication. Ultrason. Sonochem. 34, 332–342 (2017).

Article CAS PubMed Google Scholar

Igwegbe, CA et al. Modélisation de l'adsorption du colorant bleu de méthylène sur les nanoparticules de Ho-CaWO4 à l'aide des techniques Response Surface Methodology (RSM) et Artificial Neural Network (ANN). MéthodesX 6, 1779–1797 (2019).

Article PubMed PubMed Central Google Scholar

Verma, AK et al. Effets du prétraitement physico-chimique sur les performances d'un réacteur à lit de boues anaérobie à flux ascendant (UASB) traitant des eaux usées textiles : application d'un plan composite central factoriel complet. Peut. J. Chem. Ing. 93, 808–818 (2015).

Article CAS Google Scholar

Bagheri, R., Ghaedi, M., Asfaram, A., Alipanahpour Dil, E. & Javadian, H. Conception RSM-CCD de l'adsorption du vert malachite sur du charbon actif avec une distribution multimodale de la taille des pores préparée à partir d'Amygdalus scoparia : études cinétiques et isothermes. Polyèdre 171, 464–472 (2019).

Article CAS Google Scholar

Saravanan, A. et al. Optimisation et modélisation de l'adsorption du jaune réactif par graine de Delonix regia modifiée en surface : étude des isothermes non linéaires et des paramètres cinétiques. Le surf. Interfaces 20, 100520 (2020).

Article CAS Google Scholar

Saravanan, A. et al. Adsorption améliorée des ions Zn(II) sur une biomasse mixte modifiée en surface—Borassus flabellifer et Aspergillus tamarii : étude de l'équilibre, de la cinétique et de la thermodynamique. Ind. Cultures Prod. 153, 112613 (2020).

Article CAS Google Scholar

Yuh-Shan, H. Revue de citation de l'équation de vitesse cinétique de Lagergren sur les réactions d'adsorption. Scientometrics 59, 171–177 (2004).

Article Google Scholar

Chakravarty, P., Bauddh, K. & Kumar, M. Assainissement des colorants des écosystèmes aquatiques par la méthode de biosorption à l'aide d'algues. dans Algae and Environmental Sustainability 97–106 (Springer India, 2015). https://doi.org/10.1007/978-81-322-2641-3_8.

Tripathi, A. et al. Biosorption à base d'ANN-GA de l'As(III) de l'eau à travers un système de biofiltre fongique chimio-adapté et imprégné de fer. Sci. 12, 12414 (2022).

Article ADS CAS PubMed PubMed Central Google Scholar

Aghilesh, K., Kumar, A., Agarwal, S., Garg, MC et Joshi, H. Utilisation de l'intelligence artificielle pour optimiser la biosorption des eaux usées textiles à l'aide de déchets agricoles. Environ. Technol. 44, 22–34 (2023).

Article CAS PubMed Google Scholar

González, F. et al. Biosorption algale et biosorbants. dans Microbial Biosorption of Metals 159–178 (Springer Pays-Bas, 2011). https://doi.org/10.1007/978-94-007-0443-5_7.

Lata, H., Garg, VK & Gupta, RK Élimination d'un colorant basique d'une solution aqueuse par adsorption à l'aide de Parthenium hysterophorus : un déchet agricole. Pigm. 74, 653–658 (2007).

Article CAS Google Scholar

Vijayaraghavan, J., Bhagavathi Pushpa, T., Sardhar Basha, SJ & Jegan, J. Isotherme, études cinétiques et mécanistes de la biosorption du bleu de méthylène sur les algues rouges Gracilaria corticata. Dessalement. Traitement de l'eau 57, 13540–13548 (2016).

Vakili, M. et al. Élimination des ions nickel des solutions aqueuses par le processus d'adsorption : un examen. Rév. Chem. Ing. 37, 755–778 (2021).

Article ADS CAS Google Scholar

Dadrasnia, A., Chuan Wei, K., Shahsavari, N., Azirun, M. & Ismail, S. Potentiel de biosorption de la souche 139SI de Bacillus salmalaya pour l'élimination du Cr(VI) d'une solution aqueuse. Int. J. Environ. Rés. Santé publique 12, 15321–15338 (2015).

Article CAS PubMed PubMed Central Google Scholar

Pushpa, TB, Josephraj, J., Saravanan, P. & Ravindran, G. Biodécoloration du bleu basique 41 à l'aide de composts à base d'EM : Isotherme et cinétique. Chim. Sélectionnez 4, 10006–10012 (2019).

Google Scholar

Kankılıç, GB, Metin, A. Ü. & Tuzun, I. Phragmites australis : un biosorbant alternatif pour l'élimination des colorants basiques. écol. Ing. 86, 85–94 (2016).

Article Google Scholar

Xu, K., Tao, H. & Deng, T. Élimination du phosphate des eaux usées de revêtement à l'aide de cendres volantes magnétiques modifiées par oxyde bimétallique Fe-Cu. J. Réutilisation de l'eau Dessalin. 6, 430–436 (2016).

Article CAS Google Scholar

Mutongo, F., Kuipa, O. & Kuipa, PK Élimination du Cr(VI) des solutions aqueuses en utilisant de la poudre d'épluchures de pommes de terre comme sorbant à faible coût. Bioinorg. Chim. Appl. 2014, 1–7 (2014).

Article Google Scholar

Tunç, Ö., Tanacı, H. & Aksu, Z. Utilisation potentielle des déchets de cotonnier pour l'élimination du colorant réactif Remazol Black B. J. Hazard Mater. 163, 187-198 (2009).

Article PubMed Google Scholar

Tabaraki, R., Nateghi, A. & Ahmady-Asbchin, S. Biosorption des ions plomb (II) sur Sargassum ilicifolium : Application de la méthodologie de surface de réponse. Int. Biodétérioration. Biodégrad. 93, 145-152 (2014).

Article CAS Google Scholar

Rangabhashiyam, S., Lata, S. & Balasubramaniyam, P. Caractéristiques de biosorption du bleu de méthylène et du vert malachite des eaux usées simulées sur le biosorbant du bois de papaye Carica. Le surf. Interfaces 10, 197–215 (2018).

Article CAS Google Scholar

Ramezani, S., Zahedi, P., Bahrami, S.-H. & Nemati, Y. Fabrication microfluidique de nanoparticules à base de chitosane fonctionnalisé à l'acrylate d'éthyle pour l'adsorption de bleu de méthylène à partir de solutions aqueuses. J. Polym. Environ. 27, 1653-1665 (2019).

Article CAS Google Scholar

Sharma, P. & Kaur, H. Bagasse de canne à sucre pour l'élimination de l'érythrosine B et du bleu de méthylène des déchets aqueux. Appl. Sci de l'eau. 1, 135-145 (2011).

Annonces d'article Google Scholar

Consolin-Filho, adsorption N. MB sur la lignine modifiée de la bagasse de canne à sucre (2007).

Télécharger les références

Les auteurs tiennent à remercier Amity Institute of Environmental Sciences, Amity University Uttar Pradesh, Inde pour un précieux soutien expérimental. VDR, PR et TM reconnaissent le soutien du programme de leadership académique stratégique de la Southern Federal University ("Priority 2030").

Amity Institute of Environmental Sciences, Amity University Uttar Pradesh, Sector-125, Noida, 201313, Uttar Pradesh, Inde

Sheetal Kumari & Manoj Chandra Garg

École d'énergie et d'environnement, Thapar Institute of Engineering and Technology, Patiala, Inde

Anoop Verma

Département d'hydrologie, Indian Institute of Technology Roorkee, Roorkee, 247667, Uttarakhand, Inde

Pinky Sharma

Département d'électronique et de génie des communications, Motilal Nehru National Institute of Technology Allahabad, Prayagraj, 211004, Uttar Pradesh, Inde

Smriti Agarwal

Académie de biologie et de biotechnologie, Université fédérale du Sud, 344090, Rostov-on-Don, Russie

Vishnu D. Rajput, Tatiana Minkina et Priyadarshani Rajput

Département d'ingénierie topographique, Université Wollega, ville de Nekemte, Éthiopie

Surendra Pal Singh

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Vous pouvez également rechercher cet auteur dans PubMed Google Scholar

Conceptualisation, SK et MCG ; méthodologie, SK et VDR ; logiciel, MCG, SK et SA ; validation, SA, SPS et PR ; analyse formelle, PS, SK et VDR ; enquête, Sask.; ressources, PS et VDR ; conservation des données, PS, SK et SPS, rédaction—préparation du projet original, SK ; rédaction—révision et édition, MCG, AKV et TM ; visualisation, TM ; supervision, MCG et SPS ; administration du projet, SA Tous les auteurs ont lu et accepté la version publiée du manuscrit. Tous les auteurs étaient d'accord avec le contenu, et tous ont donné leur consentement explicite pour le soumettre.

Correspondance avec Surendra Pal Singh ou Manoj Chandra Garg.

Les auteurs ne déclarent aucun intérêt concurrent.

Springer Nature reste neutre en ce qui concerne les revendications juridictionnelles dans les cartes publiées et les affiliations institutionnelles.

Libre accès Cet article est sous licence Creative Commons Attribution 4.0 International, qui permet l'utilisation, le partage, l'adaptation, la distribution et la reproduction sur tout support ou format, à condition que vous accordiez le crédit approprié à l'auteur ou aux auteurs originaux et à la source, fournissez un lien vers la licence Creative Commons et indiquez si des modifications ont été apportées. Les images ou tout autre matériel de tiers dans cet article sont inclus dans la licence Creative Commons de l'article, sauf indication contraire dans une ligne de crédit au matériel. Si le matériel n'est pas inclus dans la licence Creative Commons de l'article et que votre utilisation prévue n'est pas autorisée par la réglementation légale ou dépasse l'utilisation autorisée, vous devrez obtenir l'autorisation directement du détenteur des droits d'auteur. Pour voir une copie de cette licence, visitez http://creativecommons.org/licenses/by/4.0/.

Réimpressions et autorisations

Kumari, S., Verma, A., Sharma, P. et al. Introduction d'un modèle d'apprentissage automatique à la méthodologie de surface de réponse pour la biosorption du colorant bleu de méthylène à l'aide de la biomasse de Triticum aestivum. Sci Rep 13, 8574 (2023). https://doi.org/10.1038/s41598-023-35645-z

Télécharger la citation

Reçu : 01 mars 2023

Accepté : 21 mai 2023

Publié: 26 mai 2023

DOI : https://doi.org/10.1038/s41598-023-35645-z

Toute personne avec qui vous partagez le lien suivant pourra lire ce contenu :

Désolé, aucun lien partageable n'est actuellement disponible pour cet article.

Fourni par l'initiative de partage de contenu Springer Nature SharedIt

En soumettant un commentaire, vous acceptez de respecter nos conditions d'utilisation et nos directives communautaires. Si vous trouvez quelque chose d'abusif ou qui ne respecte pas nos conditions ou directives, veuillez le signaler comme inapproprié.