Introducción del modelo de aprendizaje automático a la metodología de superficie de respuesta para la biosorción de colorante azul de metileno utilizando biomasa de Triticum aestivum

Scientific Reports volumen 13, Número de artículo: 8574 (2023) Citar este artículo

325 Accesos

Detalles de métricas

Un problema ambiental importante a escala mundial es la contaminación del agua por colorantes, particularmente de efluentes industriales. En consecuencia, el tratamiento de aguas residuales de varios desechos industriales es crucial para restaurar la calidad ambiental. El tinte es una clase importante de contaminantes orgánicos que se consideran dañinos tanto para las personas como para los hábitats acuáticos. La industria textil se ha vuelto más interesada en los adsorbentes de origen agrícola, particularmente en la adsorción. En este estudio se evaluó la biosorción del colorante azul de metileno (MB) a partir de soluciones acuosas por la biomasa de paja de trigo (T. aestivum). Los parámetros del proceso de biosorción se optimizaron utilizando el enfoque de la metodología de superficie de respuesta (RSM) con un diseño compuesto central centrado en la cara (FCCCD). Utilizando una concentración de colorante MB de 10 mg/L, 1.5 mg de biomasa, un pH inicial de 6 y un tiempo de contacto de 60 min a 25 °C, se obtuvieron los porcentajes máximos de remoción de colorante MB (96%). También se emplean técnicas de modelado de redes neuronales artificiales (ANN) para estimular y validar el proceso, y se evaluó su eficacia y capacidad para predecir la reacción (eficiencia de eliminación). La existencia de grupos funcionales, que son sitios de unión importantes involucrados en el proceso de biosorción de MB, se demostró utilizando espectros de espectroscopia infrarroja transformada de Fourier (FTIR). Además, un microscopio electrónico de barrido (SEM) reveló que se habían absorbido partículas frescas y brillantes en la superficie de T. aestivum después del procedimiento de biosorción. Se ha demostrado que la eliminación biológica de MB de los efluentes de aguas residuales es posible utilizando biomasa de T. aestivum como biosorbente. También es un biosorbente prometedor que es económico, respetuoso con el medio ambiente, biodegradable y rentable.

Las industrias de plantas de teñido de textiles producen una cantidad significativa de residuos, el 5% de los cuales termina en efluentes de aguas residuales de alrededor de 637,3 millones de metros cúbicos por año, lo que contribuye significativamente a la contaminación de los cuerpos de agua1. Las aguas residuales de las industrias que fabrican tintes y pigmentos, así como muchas otras, suelen ser ricas en color y materia orgánica. El uso de tintes está muy extendido en sectores como el textil, el caucho, el papel, el plástico y la cosmética. Los textiles son los primeros entre estas varias industrias en el uso de tintes para teñir la fibra. La descarga de colorantes de las industrias textiles causa una grave contaminación del aire, el agua y el suelo y, por lo tanto, tiene un impacto negativo en el medio ambiente. La industria textil se ha convertido recientemente en un problema importante que tiene un impacto tanto en las personas como en el medio ambiente2. Las aguas residuales que contienen colorantes son peligrosas porque contienen sustancias tóxicas, sólidos en suspensión y otras sustancias químicas3,4. Una sustancia química que resulta de su interacción es extremadamente peligrosa para las personas, las plantas y la vida acuática. El resultado son enfermedades transmitidas por el agua5. MB es el tinte más común y popular en la industria textil, utilizado para teñir lana, sedas y algodón. MB es una estructura quinonoide aniónica cargada positivamente y la fórmula química de MB es C16H18ClN3S. La metahemoglobinemia, la necrosis tisular, la confusión mental y los vómitos son posibles efectos secundarios de la toxicidad del MB6. Limitar la transferencia de oxígeno y evitar que la luz solar llegue a los cuerpos de agua son dos efectos negativos de los colorantes en el medio ambiente7.

Recientemente, se han publicado varios informes sobre métodos de eliminación de colorantes8. Las tres categorías principales de tratamiento para los métodos que se presentaron son tratamientos químicos, biológicos y físicos9,10. Algunos de los métodos destacados que normalmente se informan incluyen la adsorción, el tratamiento biológico, el tratamiento electroquímico, la oxidación avanzada (AOP) y la filtración por membrana11,12. La prueba previa se usa para eliminar el tinte. Cada técnica tiene ventajas y desventajas. El enfoque que se utiliza con más frecuencia es la adsorción13. Permite la eliminación de contaminantes en niveles que van de bajo a alto. Como resultado, se han llevado a cabo numerosos estudios para crear materiales adsorbentes que sean eficientes y asequibles14. La más adaptable y ampliamente utilizada de estas técnicas es la biosorción, ya que es asequible y fácil de usar15,16. Numerosos estudios han respaldado y confirmado el uso de una variedad de materiales para la biosorción de contaminantes para eliminar contaminantes17,18. Los biosorbentes populares y altamente efectivos, como el carbón activado, también son más caros19, lo que ha llevado a muchos investigadores a buscar biosorbentes que fueran económicos y de fácil acceso localmente20,21. Para eliminar el colorante MB de las aguas residuales textiles, en este estudio se utiliza T. aestivum como biosorbente de bajo costo. Es un producto de desecho agrícola desechado con frecuencia que es de fácil acceso y ya no se puede utilizar con fines beneficiosos22,23. Además, está disponible gratuitamente o es extremadamente económico, lo que lo convierte en un biosorbente rentable y fácilmente disponible. Las desventajas de los adsorbentes sintetizados para los tratamientos de las aguas residuales de tinte son que la regeneración del biosorbente es costosa y da como resultado la pérdida de materiales, requiere dosis altas y es económicamente inviable para algunas industrias como la papelera y la pulpa.

Numerosas variables, incluido el pH, la cantidad de biosorbente utilizado y la concentración de tinte, pueden afectar la eliminación del tinte por biosorción24. El método de superficie de respuesta es un método computacional flexible que se puede utilizar para optimizar el proceso de biosorción. Es beneficioso para planificar el modelado y mejorar la optimización de los experimentos. Anteriormente se empleaba para simular el procedimiento de biosorción25,26. En este estudio, utilizamos el diseño compuesto central (CCD) de RSM para optimizar la biosorción del colorante MB en T. aestivum. El estudio propuesto tiene como objetivo utilizar T. aestivum como un biosorbente económico y respetuoso con el medio ambiente para eliminar el colorante MB de la muestra acuosa. El tratamiento de las aguas residuales de la industria textil se ha cubierto en algunos artículos de investigación7,27, pero la mayoría de ellos describen en profundidad el adsorbato actual y se centran en metales o tintes. Hablaron sobre los muchos adsorbentes de bajo costo disponibles para el tratamiento de aguas residuales de la industria textil.

Además, la combinación del RSM con el aprendizaje automático (ANN) podría aumentar la confiabilidad del modelo. La aparición de mejores métodos de modelado con un mejor rendimiento del modelo, como ANN, ofrece un sustituto para la regresión polinomial. Las respuestas de salida obtenidas por el CCD se compararon con las predicciones realizadas por aprendizaje automático (ANN) utilizando el programa MATLAB. Una mirada más cercana a la literatura, revela varios vacíos y deficiencias. La investigación anterior generalmente se centró solo en investigar el estudio de la termodinámica, la cinética y las isotermas del proceso de biosorción. Estos estudios garantizan una mejor comprensión de la biosorción, pero aún queda mucho trabajo por hacer junto con el diseño de experimentos (RSM) y el modelado de máquinas. Este artículo proporciona un nuevo enfoque novedoso para el modelado de optimización utilizando RSM para investigar y examinar cómo la dosis de biosorbente, el pH inicial del tinte, la concentración y la temperatura afectan el comportamiento crítico de la biosorción. Los parámetros termodinámicos, las isotermas, la cinética de biosorción y la modificación de la superficie de T. aestivum se determinaron analizando los datos de biosorción mediante espectroscopia infrarroja transformada de Fourier. En la figura 1 se muestra un diagrama esquemático del estudio de biosorción.

Un diagrama esquemático del estudio de biosorción.

Primero se divide en pedazos más pequeños y se enjuaga repetidamente con agua para eliminar cualquier residuo. Luego se coloca el biosorbente y se expone al sol para que se seque durante una semana. A continuación, el biosorbente seco se trituró con mortero. Usando un tamiz vibratorio, el biosorbente molido se tamiza para mantener las partículas de tamaño uniforme, antes de ser secado durante 24 h en un horno de aire caliente a 70 °C, las partículas que lograron atravesar un tamiz de 250 µm se usan para enjuagar con agua desionizada. tres veces. Las pruebas de biosorción se realizan utilizando el biosorbente preparado. La composición química de T. aestivum se muestra en la Tabla 1.

El procedimiento de biosorción se crea para reconocer la activación de la biomasa empleando la espectroscopia FTIR para evaluar los grupos funcionales en la superficie del biosorbente. Con un rango experimental de 400–4000 cm−1, los espectros se obtienen utilizando un instrumento FTIR de PerkinElmer.

En esta investigación se realiza biosorción experimental utilizando MB (C16H18ClN3S xH2O) de grado analítico. La característica de MB se enumera en la Tabla 2.

La cantidad requerida de polvo de colorante MB y agua desionizada se combinan para producir la solución madre de MB (500 mg/L). Los niveles de concentración indicados se obtienen a partir de la solución madre de MB. Se utilizó para recopilar los resultados experimentales.

Los parámetros del proceso de biosorción deben optimizarse de acuerdo con variables que incluyen la dosis de biosorbente, el tiempo de contacto, la temperatura, el pH de la solución y la concentración de colorante inicial para lograr la máxima biosorción. Cada experimento implicó agitar matraces Erlenmeyer con 100 mL de soluciones de colorante MB a 120 rpm durante 60 min. Cuando se utilizaba un medidor de pH, se añadía una solución de NaOH 1 M o HCl 1 M a las soluciones de tinte para cambiar el pH. El biosorbente se eliminó de la mezcla utilizando papel de filtro a intervalos de 0,45 µm mientras se agitaba. Se usa un espectrofotómetro de absorción (Marca: Labman Scientific Instruments Pvt. Ltd., Modelo: LMSP UV1900) para comparar las concentraciones de tinte antes y después del tratamiento. Las medias de las dos corridas de cada experimento se presentaron como concentraciones. Para examinar el impacto en la cinética de biosorción, se cambiaron la densidad de color inicial y el tiempo de respuesta de las soluciones de prueba. Con el uso de un medidor de pH (Marca: HANNA Instruments, EE. UU., Modelo: HI 991001), se cambió el pH de la solución colorante. Para determinar cómo la temperatura afecta a los diferentes parámetros termodinámicos, se llevó a cabo una investigación de biosorción utilizando soluciones diluidas de HCl o NaOH. Los niveles de biosorción (qt) en el tiempo t (mg/g) se calcularon usando la ecuación. (1)31

Ct (mg/L) indica la concentración total de colorante, Co (mg/L) la concentración inicial de colorante, V el volumen de solución (L) y W la masa seca de biosorbente (g). Para determinar la cantidad de biosorción en el equilibrio, qe(mg/g), se mostró en la Eq. (2)

En esta ecuación, Ce es la concentración de colorante en equilibrio (en mg/L). Para responder a la investigación de RSM, el porcentaje de eliminación de tinte se calculó utilizando la ecuación. (3)

Debido a que solo se cambia una variable mientras que las otras variables se mantienen constantes en un experimento estándar, el investigador ignora el efecto sinérgico de los componentes. Se ha desarrollado una variedad de metodologías de optimización en el análisis operativo a lo largo de los años, lo que da como resultado una larga historia de estudios de optimización32. RSM es una metodología estadística metódica que mejora la concordancia de las corridas de prueba mínimas al evaluar la relación entre las respuestas de diseño y los factores33. Se proporciona el diseño de cuadrilátero porque el CCD contiene solo un subconjunto de los experimentos requeridos para el factorial de cinco pasos y proporciona esquemas con las propiedades estadísticas requeridas34,35.

La dosis de biosorbente (0,5–2,5 mg), la concentración inicial de iones metálicos (10–50 mg/L), el pH inicial del tinte (4–8) y la temperatura (15–35 °C) constituyen los criterios de diseño para el CCD de biosorción24. Con dos elegidos como niveles axiales, cada variable tenía cinco niveles: 1, 0, + 1, − α y + α. Las variables independientes seleccionadas del estudio se enumeran a continuación, y sus valores y rangos se encuentran en la Tabla 3.

El número de experimentos necesarios para el diseño de CCD se puede determinar mediante

donde c es el número de réplicas de punto central, n es el número de componentes numéricos y N es el número total de experimentos25. El análisis gráfico, el análisis de regresión y el diseño experimental se llevaron a cabo utilizando un software de Stat-Ease Inc. conocido como Design Expert. Se diseñaron un total de 30 ensayos, cada uno con seis repeticiones de los puntos centrales, ocho repeticiones de los puntos axiales y dieciséis repeticiones de los puntos cúbicos, de acuerdo con la Ec. (4). Se utilizaron ecuaciones de regresión para determinar las circunstancias ideales de las variables. Utilizando una combinación de cuatro puntos de cuatro variables y tres fases, se calcularon la dosis máxima de adsorbente orgánico, el pH, la concentración inicial de iones metálicos y la temperatura35. Se eligió este diseño porque cumplía con la mayoría de los criterios para optimizar los estudios de bioabsorción26. Encontrar las condiciones ideales de trabajo del proceso para cumplir con los estándares de rendimiento es el objetivo principal de RSM.

Utilizamos los hechos de biosorción de MB en T. aestivum para resolver las ecuaciones de isoterma. De acuerdo con la isoterma de Langmuir, ni las moléculas objetivo ni la superficie adsorbente interactuarán jamás. El modelo también incluye un número restringido de sitios web energéticos, que normalmente se organizan en una monocapa36. Las isotermas de Langmuir se pueden utilizar para simular el proceso de biosorción.

qe es la cantidad de colorante absorbido en el equilibrio en mg y qmax es la cantidad máxima de colorante que se puede absorber a través de la biomasa en mg, Ce es la conciencia de MB de equilibrio expresada en mg/L, mientras que b es la constante de isoterma de Langmuir. En cambio, la forma linealizada de la ecuación de Langmuir se puede mostrar de la siguiente manera.

Ce denota la concentración de equilibrio de MB (mg/L), qe la cantidad de MB absorbida en el equilibrio (mg/g) y qm la capacidad de biosorción máxima/monocapa (mg/g) respectivamente. Las características básicas de la isoterma de Langmuir se describen mediante una constante de disociación adimensional, RL.

Los datos experimentales sobre biosorción en este estudio se optimizaron usando pseudo-primer orden. Este estudio de cinética utilizó diferentes concentraciones de colorante (Co = 10, 20, 30, 40 y 50 mg/L) para evaluar la cinética durante cinco a noventa minutos. La descripción básica de la tasa de biosorción determinada por la capacidad de biosorción se da a continuación de acuerdo con la ecuación de tasa de primer orden de Lagergren. Por lo general, se utiliza una expresión lineal para esta tasa37.

Las cantidades de MB adsorbidas en T. aestivum en el equilibrio (qe) y en cualquier momento (qt), respectivamente; K1 (min−1) es la constante de tasa de biosorción de pseudo primer orden (qt). Ho sugirió que se ha propuesto un modelo cinético basado en la velocidad basado en la expresión con coeficientes cuadráticos para la biosorción de iones metálicos disociados (adsorbentes) en partículas de carbón. La capacidad de biosorción del adsorbente es consistente con este modelo38. Este modelo es consistente con la capacidad de biosorción del adsorbente. El modelo presenta una ecuación de velocidad pseudocuadrática y tiene como objetivo separar la cinética de la ecuación de velocidad cuadrática basada en la concentración de biomasa de los datos basados en la concentración de solvente. La forma lineal del modelo pseudocuadrático es la siguiente en la ecuación. (9)

T. aestivum absorbe colorante MB en equilibrio (mg/g) y en cualquier momento, lo que se designa como qe y qt, respectivamente. La constante de velocidad de equilibrio para la biosorción de pseudo segundo orden es K2. Para determinar cómo afectarían al modelo de cinética de biosorción de pseudo segundo orden propuesto por Ho, se modificaron la densidad de color inicial y el tiempo de reacción de las soluciones de prueba.

Los parámetros termodinámicos incluyen entropía (\(\Delta\)S), cambios en la energía libre de Gibb (\(\Delta\)G) y entalpía (\(\Delta\)H), de biosorción a varias temperaturas para colorante MB en el T. aestivum29. Se usaron cinco temperaturas diferentes para investigar el impacto de la temperatura en las pruebas lote por lote del colorante MB en T. aestivum. El siguiente diagrama ilustra las influencias de los parámetros termodinámicos en la variación de \(\Delta\)G durante el proceso de biosorción39. La pendiente y la intersección de la siguiente función se utilizaron para calcular el cambio de entropía y entalpía durante el proceso de biosorción.

Pocos estudios han utilizado previamente el modelado de aprendizaje automático (ANN) para pronosticar la eliminación de colorantes del rendimiento de MB40. Las neuronas que componen una ANN son unidades de procesamiento altamente acopladas que tienen funciones de unión sumatoria y transferencia. El modelado ANN, en contraste con RSM, incluye una entrada (factores), un objetivo (respuesta experimental) y una salida (respuesta prevista). La capa de entrada (que representa las variables independientes), la capa de salida (que representa las variables dependientes) y las capas ocultas que vinculan las entradas con las salidas son las capas en las que se ubican las neuronas artificiales41. La Figura 2 ilustra el patrón de neuronal.

Estructura del modelo ANN para las salidas de % de eliminación de tinte (MB).

Esta investigación no involucra participantes humanos y/o animales.

En la Tabla 4 se enumeran los valores de biosorción de MB más altos observados y anticipados de remoción de tinte, y la matriz del diseño experimental. En 60 minutos, se realizaron 30 pruebas en total. T. aestivum tuvo la mayor tasa de eliminación de tinte (96 %) en comparación con otras combinaciones con 1,5 mg de biosorbente, 10 mg/l de solución de tinte, pH 6 y una temperatura de 25 °C. El vínculo entre las variables independientes elegidas y la biosorción del colorante MB se describe mediante ecuaciones de regresión, que se utilizan para expresar RSM. Para esta investigación, la ecuación de regresión se expresa en términos de valores codificados y se muestra como Eq. (11).

A, B, C y D son las variables codificadas utilizadas en esta investigación RSM. Para pronosticar cómo reaccionará cada elemento a las diferentes fases, la ecuación se puede utilizar junto con la variable codificada. La notación estándar para el estatus de superior y subordinado es + 1 y 1, respectivamente. Usando esta ecuación de codificación, los efectos relativos de las variables se determinan después de comparar los coeficientes de los factores. La Figura 3 ilustra que el valor predicho de la adsorción de MB se representa frente al valor real de los datos, lo que arroja un valor R2 de 0,9945, que valida la precisión de los modelos y se puede utilizar en el experimento.

Los valores esperados para la biosorción de MB se representan frente a los datos experimentales.

El análisis ANOVA utilizó todos los hallazgos experimentales para la variable de respuesta factorial completa que se duplicó en los puntos central y axial (Tabla 5). Una contribución significativa del modelo cuadrático se muestra en los resultados de ANOVA en la Tabla 5 con un valor de p de menos de 0,01. El modelo significativo en la investigación actual se muestra mediante el valor F de la muestra de 193,32. Este enorme valor F puede ser causado por el ruido con una probabilidad del 0,01 %. Los valores obtenidos utilizando R2 = 0,9945 muestran una fuerte correlación entre los datos experimentales actualmente disponibles y los valores predichos del modelo propuesto para describir la propiedad del modelo polinomial. Esta correlación se describe mediante el cálculo del coeficiente, la desviación media en el modelo descrito y los valores mismos. Los resultados con R2 = 0,9945 muestran que existe una fuerte correlación entre los datos experimentales actualmente disponibles y los valores predichos del modelo que se sugiere para reflejar la propiedad del modelo polinomial. La determinación del coeficiente, la desviación media a lo largo del modelo descrito y el valor demuestran este vínculo. El valor de F es 4,54 muestra que puede haber un riesgo del 5,43 % de que la prevalencia considerable de la deficiencia del valor F de ajuste se deba al ruido, y la ausencia de ajuste no es estadísticamente significativa.

Los gráficos de superficie de respuesta muestran la respuesta de eficiencia de biosorción de MB (%) a parámetros comunes basados en la mayoría de los valores de parámetros alternativos para un determinado conjunto de componentes que se muestra en la Fig. 4a-f. Las curvas de estos gráficos 3D demuestran cómo interactúan las variables del proceso. El escenario óptimo y los resultados de interacción de los cuatro factores evaluados se muestran en los gráficos de aspecto 3D en la Fig. 4a–f.

Biosorción de MB por biomasa de T. aestivum en un gráfico de superficie tridimensional, que ilustra los efectos interactivos de los cuatro factores bajo prueba.

La disponibilidad y el costo de la biomasa son las principales consideraciones decisivas cuando se adopta para fines industriales a gran escala. La biomasa es una de las categorías más emocionantes de biosorbentes39. En términos de deshacerse de los metales pesados de las aguas residuales, la biomasa agrícola tiene muchos beneficios, que incluyen ser una biomasa natural renovable rentable, tener una eficiencia de eliminación de metales excesiva, tener una capacidad de absorción excesiva y ser capaz de regenerarse. y reutilización de la biomasa42. La Figura 4d demuestra que la eficacia de eliminación de MB aumenta con el aumento de la dosis de biosorbente y disminuye con la disminución de las concentraciones de colorante. La causa principal del aumento simultáneo de la capacidad de biosorción de MB y un aumento en la concentración de biosorbente es la disponibilidad de muchos más sitios activos abiertos en la superficie del biosorbente43. Por otro lado, Vijayaraghavan et al. descubrieron que la concentración de biomasa de T. aestivum aumentaba junto con la tasa de biosorción de MB de una solución acuosa44. El hecho de que el porcentaje de biosorción del tinte disminuya a medida que aumenta la atención de la biomasa demuestra que la gran variedad de moléculas de tinte necesarias para cubrir por completo todos los sitios de adsorción activos en la biomasa con dosis altas de adsorbente es insuficiente1.

La relación entre la dosis de biosorbente y la concentración de colorante MB se muestra en la Fig. 4a. Los porcentajes de eliminación de MB aumentan con el aumento de la dosis de biosorbente y la concentración de colorante. El proceso de biosorción también está influenciado por las concentraciones iniciales de MB. El crecimiento de las concentraciones preliminares de tinte generalmente provoca un crecimiento dentro del porcentaje de eliminación. La cantidad de biosorción de colorante en la superficie de los adsorbentes aumenta a medida que aumenta la concentración inicial de MB45.

El procedimiento de biosorción puede motivarse con la ayuda del uso de numerosas variables, junto con el pH, la concentración preliminar y la dosis de biosorbente. La Figura 4c describe la asociación entre el pH y la temperatura. Si bien el nivel de pH inicial, la concentración de MB y la duración del contacto se mantuvieron en sus niveles cero, los gráficos de superficie tridimensionales (3D) en la Fig. 4c muestran los efectos simultáneos del pH y la temperatura en la eliminación de MB (%), respectivamente. Se ha descubierto que el proceso de biosorción de contaminantes se ve más afectado, entre otras cosas, por el nivel de pH inicial. Los niveles de pH influyen en una variedad de procesos, incluida la química de las soluciones de metales, la actividad de los grupos funcionales en la biomasa y la carga neta en la superficie de las células adsorbentes. Los iones de metales pesados y el H+ pueden competir entre sí por los sitios activos celulares en la superficie de las células biosorbentes, ya que el método de biosorción para metales significativos suele depender del potencial de la concentración de iones de hidrógeno46. De acuerdo con el estudio de los hallazgos experimentales, la biomasa de T. aestivum puede absorber más eficazmente el colorante MB porque el pH aumenta, y la biosorción máxima ocurre aproximadamente a pH 8. La superficie de T. aestivum aparece como un biosorbente y la protonación y desprotonación de cada uno de los colorantes MB se puede utilizar para proporcionar una explicación del resultado.

La sensibilidad del proceso de biosorción a la temperatura se puede utilizar para determinar la capacidad de sorción del biosorbente. Se evaluó el impacto de la temperatura en la eliminación de Basic Blue 41 (BB41) a través de un compuesto foliar total basado principalmente en microorganismos efectivos a varias temperaturas entre 25 y 45 °C47. Los resultados del experimento mostraron que un aumento de la temperatura daría como resultado una mayor capacidad de sorción del tinte (Fig. 4b). La Figura 3e demuestra que al aumentar ligeramente la concentración a una temperatura más baja, también aumenta la eficiencia de la eliminación del tinte. Los investigadores han descubierto que el aumento de las temperaturas aumenta la tasa de difusión de solutos, lo que tiene un impacto significativo en la capacidad del adsorbente para absorber solutos48. Sin embargo, el impacto de la temperatura en la biosorción es bastante delicado y puede aumentar ligeramente a temperaturas más bajas. La capacidad de las moléculas de tinte para mantener el contacto con los sitios de la superficie del biosorbente y la expansión del tamaño de los poros con el aumento de la temperatura se mencionaron como las causas de este resultado. En general, un aumento de la temperatura acelera la velocidad de difusión de los solutos, lo que tiene un impacto significativo en la capacidad de los biosorbentes para unirse a los solutos48.

Un resultado de ajuste de una línea lineal con una intersección (Ce/q) con la ecuación de Langmuir se muestra como (Ce/q) frente a (Ce) que se muestra en la Fig. 5A. De acuerdo con la Tabla 6, los coeficientes de correlación determinados por la isoterma de Langmuir fueron 0.9381. La desviación de la linealidad de la biosorción se considera al calcular la segunda constante de Langmuir, RL. En la investigación actual, el valor de equilibrio del valor del factor adimensional, RL, que varía de 0 a 1, fue de 0,062 (Tabla 6), lo que indica una biosorción favorable. Eso confirmó que T. aestivum y MB tenían una biosorción favorable (Fig. 5A).

(A) Modelo de isoterma de Langmuir y (B) Isoterma de Freundlich en forma lineal.

La figura 5B ilustra los valores de 1/n y Kf determinados a partir de la intersección y la pendiente del gráfico lineal de ln qe frente a ln Ce49. Las constantes deseadas se proporcionan con la ecuación de regresión como se muestra en la Tabla 6. La naturaleza favorable de la biosorción se demostró por el hecho de que n está entre 0 y 150. Las isotermas de biosorción de Langmuir y Freundlich explican mejor los resultados del equilibrio, demostrando que la formación de monocapas media biosorción en una superficie homogénea. La Figura 5B muestra un ajuste lineal de la ecuación de Freundlich usando una línea con una intersección de ln Kf y una pendiente de n49.

Los valores calculados de K1, qe y R2 de la cinética de primer orden se muestran en la Tabla 7. Como se muestra en la Fig. 6, se realizaron gráficos de pseudo-segundo orden trazando t/qt frente al tiempo. Las constantes de velocidad de segundo orden se han calculado utilizando los gráficos. Los K2, qe y R2 calculados del segundo orden están respaldados por la Tabla 7.

Curva cinética de pseudo segundo orden para el % de eliminación de MB por T. aestivum.

Los coeficientes de correlación de las cinéticas de pseudo-segundo orden se están acercando a la unidad en contraste con las cinéticas de pseudo-primer orden. Por lo tanto, es evidente que el modelo de pseudo-segundo orden representa una biosorción que es más exitosa.

Como era de esperar, la capacidad de biosorción de MB en T. aestivum aumenta sustancialmente cuando la temperatura aumenta de 20 a 40 °C. La capacidad de biosorción de T. aestivum se potencia mediante la expansión de la longitud de los poros del biosorbente y el calentamiento de la superficie del sorbente. El aumento de la temperatura hace que la gran molécula de tinte penetre más profundamente, lo que también mejora la potencia del ion de tinte grande, lo que reduce el impacto de la hinchazón16,51. Como resultado, MB pudo absorber T. aestivum más rápidamente a altas temperaturas. La energía libre de Gibbs (\(\Delta\)G), la entalpía (\(\Delta\)H) y la entropía (\(\Delta\)S), entre otras características termodinámicas, se han calculado para la extrusión28. Además, la Tabla 8 también proporciona valores de \(\Delta\)H, \(\Delta\)G y \(\Delta\)S para concentraciones preliminares de colorante MB de 20 mg/L.

Los valores negativos de ΔG demostraron la espontaneidad y viabilidad del proceso de adsorción de MB en T. aestivum. Debido a que hay menos imprevisibilidad en la interfase sólido/líquido cuando el MB se adsorbe en T. aestivum, el valor de la entropía ΔS (− 10,11 kJ/mol K) es negativo. El valor negativo de ΔH (− 12 300,04 kJ/mol para MB) respalda el carácter exotérmico de la reacción. Los altos niveles de ΔH indican una buena interacción entre T. aestivum y MB. Esto nos llevó a la conclusión de que la sorción del colorante en T. aestivum es un proceso de biosorción química.

La probabilidad de adherencia (S*) es una función del sistema adsorbato/biosorbente que se analiza, pero depende de la temperatura y debe cumplir el criterio 1 < S* < 1 para una biosorción óptima. El valor de la probabilidad de adherencia se calculó a partir de datos experimentales. Se calculó mediante una ecuación tipo Arrhenius modificada.

El parámetro S* representa la medida de la capacidad de un adsorbato para persistir en el adsorbente indefinidamente. Se calculó la cobertura de la superficie (\(\theta\)) a diferentes temperaturas para evaluar los efectos de la temperatura en la probabilidad de adherencia en el rango de temperatura de 288 a 308 K. La pendiente y la intersección de ln (1 − ϴ) contra 1 La gráfica /T se puede utilizar para determinar el valor de Ea y S*. El valor negativo de Ea muestra que la eliminación del colorante azul de metileno por adsorción en Triticum aestivum se ve favorecida por una temperatura de solución más baja, y el proceso de biosorción es de naturaleza exotérmica. Este biosorbente tiene afinidad por el azul de metileno, lo que indica que es un biosorbente superior para la eliminación del azul de metileno, como se muestra en la tabla 8 con una probabilidad de adherencia de MB de S* < 1 en la superficie de la biomasa.

Las ANN se utilizan para generar nuevos procesos, analizar los existentes y anticipar el resultado y el rendimiento de los sistemas26. La topología óptima de la red neuronal feed-forward consta de una capa de salida, una capa oculta y cuatro neuronas cada una en las capas de entrada y oculta (incluida una neurona).

Los experimentos diseñados por el CCD proporcionaron la entrada y la salida para el entrenamiento. Después del entrenamiento, los pesos y sesgos de una red neuronal se muestran en la Tabla 9. La función de transferencia logsig (log-sigmoid) del modelo proporciona la información necesaria para anticipar los resultados. La Figura 7 muestra los valores esperados del modelo ANN. En términos del número de épocas de aprendizaje, la Fig. 8 analiza el entrenamiento, la validación y las pruebas del modelo ANN.

Gráfico de regresión para ANN de MB en la prueba de entrenamiento, validación y predicción de T. aestivum.

Realización del entrenamiento, validación y prueba de error para ANN de MB en T. aestivum.

Las condiciones de proceso mejoradas pronosticadas por RSM también se evalúan utilizando un modelo ANN. La dosis de biosorbente (2 mg), la concentración de colorante (20 mg/l), el pH de la solución de colorante (7) y la temperatura (20 °C) se utilizan como parámetros de entrada para el modelo ANN. Cuando el error de prueba es el más bajo y el error cuadrático medio no ha cambiado durante al menos 1000 iteraciones, el entrenamiento finaliza. La red está entrenada en este análisis para un total de 6 épocas. Cuando se comparan los valores anticipados de los modelos ANN y RSM, se hace evidente que los valores predichos por ambos modelos están considerablemente más cerca de los resultados experimentales (Tabla 9).

Los hallazgos experimentales se optimizaron utilizando el software Design-Expert35. Se logró una eficiencia de biosorción del 93,51 % en las condiciones ideales que se muestran en la Tabla 1025 y se llevó a cabo un experimento por lotes especial para demostrar la optimización en circunstancias ideales para la comparación en circunstancias adecuadas entre los resultados proyectados y los reales. La diferencia entre el valor proyectado y el valor real es 93,90 % o 93,51 %, lo que confirma que los valores anticipados y reales son los mismos, lo que arroja resultados de modelos verificados. De acuerdo con los requisitos enumerados en la Tabla 10, la ecuación del modelo se desarrolla para maximizar la eficiencia de eliminación de MB. La optimización numérica predicha se obtuvo con una dosis de biosorbente de 2 mg, una concentración de 20 mg/L, un pH de 7 y una temperatura de 20 °C con una eficiencia de eliminación del colorante MB del 93,90 %. El porcentaje de error entre la predicción de RSM y la condición optimizada es del 0,41 % y el error entre RSM y ANN es del 2,17 %. El experimento de validación realizado con el mismo valor de entrada dio una eficiencia de eliminación de MB del 93,51 % y las reacciones proyectadas son consistentes con las predicciones del modelo validadas bajo estas condiciones de proceso ideales (Tabla 10).

Usando la espectroscopia FTIR, se puede encontrar la alteración de la superficie, lo que permite examinar el mecanismo de biosorción. Utilizando el sistema FTIR de Perkin Elmer, se recopilaron los datos del espectro FTIR. La superficie del biosorbente es visible con grupos funcionales como nitro, hidroxilo, carbonilo, carboxílico, fenol y grupos fenol en la Fig. 9. Los espectros FTIR se pueden usar para distinguir entre los muchos grupos funcionales que están presentes en las formaciones de biosorbente52. Dos picos distintos en 1372 y 1371 cm-1 y 1512 y 1511 cm-1, respectivamente, indican la vibración de estiramiento de los grupos nitro-N-O, que se descubrió que se habían extendido debido a la biosorción en el biosorbente. Los picos de 1634 y 1632 cm−1 son los tramos de C=C. El tramo C–O de varios restos y el grupo carboxílico se han implicado como la causa de los numerosos picos fuertes y agudos que se observaron entre los niveles de 1100 y 1330 cm−124. La vibración de estiramiento O–H del grupo funcional hidroxilo y la banda en 3200–3600 cm−1 se habían vinculado previamente (Fig. 9). El estiramiento de los grupos carboxilo en C=O es responsable del pico alrededor de 1700–1800 cm−1. El diferencial de carga superficial puede cambiar debido a cargas superficiales positivas o negativas según el pH de la solución2,6,53. En una solución con un valor de pH más bajo, el sistema operará con mayor frecuencia y desarrollará una carga superficial positiva. El grupo hidroxilo está indicado por el aumento de altura a 3340 cm−1 causado por el MB absorbido en T. aestivum, así como por la punta afilada robusta prolongada a 1034 cm−1. Los picos en el rango de 1327–1372 cm−1 fueron causados por la interacción de las compañías MB y Nitro en T. aestivum54,55,56.

Espectroscopia FTIR para la biosorción de MB por T. aestivum.

La topografía de la superficie y las propiedades de T. aestivum se pueden escanear directamente mediante un examen de microscopio electrónico de barrido (SEM). Las imágenes SEM se muestran antes y después de la biosorción de MB, la biomasa de T. aestivum (Fig. 10A, B). La biomasa hecha de T. aestivum sin tratar tenía una superficie rugosa e irregular, como se ve en la Fig. 10A. El aspecto de partículas frescas y brillantes absorbidas en la superficie de T. aestivum se representó en la Fig. 10B. Se había demostrado otra cualidad distintiva (Fig. 10B). El área superficial de T. aestivum polimérico se ha reducido debido a la posible reticulación entre iones cargados positivamente y grupos funcionales químicos cargados negativamente en la pared celular. La superficie de T. aestivum es rugosa y ondulada, lo que aumenta la exposición del área de superficie de los sitios de biosorción activos y conduce a una mayor eficacia de bioabsorción de MB.

Las imágenes SEM ilustraron la biomasa de T. aestivum: (A) antes y (B) después de la biosorción de MB.

En este trabajo se demostró la biosorción del colorante MB en T. aestivum utilizando las variables experimentales de cantidad de biosorbente, pH del colorante, temperatura y concentración. Se examinó el resultado experimental del rendimiento de biosorción de MB y se encontró que era superior al uso de la técnica de optimización RSM basada principalmente en CCD y ANN. Utilizando estudios de isotermas, cinética y termodinámica, se examinaron los mejores resultados de RSM. Este estudio evaluó la capacidad de T. aestivum para eliminar el colorante MB de las aguas residuales. Se demostró que los resultados experimentales están estrechamente relacionados con el modelo de isoterma de Langmuir, que tiene una capacidad máxima de biosorción de 0,36 mg/g. Además, se estudió la sorción de MB en T. aestivum utilizando una cinética de pseudo segundo orden a una velocidad constante de (2,56 gmg−1 min−1). El análisis termodinámico muestra que el proceso de adsorción es exotérmico y espontáneo. Después de caracterizar el biosorbente mediante la evaluación de los espectros FTIR de T. aestivum, se determinó que el cambio de iones de tinte con contraiones, que normalmente se unen a la superficie a través de grupos carboxilo, hidroxilo y nitro, es el mecanismo detrás de la unión del metal. T. aestivum es un adsorbente alternativo más asequible, incluso si se compara con el carbón activado comercial, tiene una mayor capacidad de biosorción. El uso de T. aestivum como adsorbente para eliminar el color del agua podría ser económico y eficiente.

Todos los datos generados o analizados durante este estudio se incluyen en este artículo publicado.

Vijayaraghavan, K. y Yun, Y.-S. Biosorción de CI Reactive Black 5 a partir de una solución acuosa utilizando biomasa tratada con ácido de algas pardas Laminaria sp. Tintes Pigmentos 76, 726–732 (2008).

Mousavi SA Eliminación de Azul de Metileno de soluciones acuosas mediante carbón activado preparado a partir de N. microphyllum (AC-NM): análisis RSM, isotermas y estudios cinéticos. Global NEST J. (2017).

Wang, C. et al. Exploración del ácido poliepoxisuccínico como una nueva solución de extracción en el proceso de ósmosis directa. RSC Avanzado. 7, 30687–30698 (2017).

Artículo ADS CAS Google Académico

Saravanan, A. et al. Eliminación simultánea de Cu(II) y colorante verde reactivo 6 de aguas residuales utilizando biomasa fúngica mixta inmovilizada y su valorización. Chemosphere 271, 129519 (2021).

Artículo ADS CAS PubMed Google Scholar

Haji, A. & Naebe, M. Teñido más limpio de textiles usando tratamiento con plasma y tintes naturales: una revisión. J. Limpia Prod. 265, 121866 (2020).

Artículo CAS Google Académico

Rahimpour, F., Shojaeimehr, T. y Sadeghi, M. Biosorción de Pb(II) usando Gundelia tournefortii: cinética, equilibrio y termodinámica. Ciencia sep. Tecnología 52, 596–607 (2017).

Artículo CAS Google Académico

Patil, CS et al. Hoja de carbono derivada de melaza de caña de azúcar @ compuesto de arena marina para la eliminación directa de azul de metileno de las aguas residuales textiles: remediación de aguas residuales industriales a través de una metodología sostenible, más ecológica y escalable. Sep. Purif. Tecnología 247, 116997 (2020).

Artículo CAS Google Académico

Manikandan, G., Senthil Kumar, P. y Saravanan, A. Modelado y análisis sobre la eliminación del colorante azul de metileno de una solución acuosa utilizando semillas de Ceiba pentandra modificadas física/químicamente. J. Ind. Ing. química 62, 446–461 (2018).

Rápó, E., Posta, K., Suciu, M., Szép, R. & Tonk, S. Eliminación por adsorción del colorante violeta brillante-5R de remazol de soluciones acuosas utilizando cáscara de huevo calcinada como biosorbente. Acta Chim. Slov. 66, 648–658 (2019).

Artículo PubMed Google Académico

Rapó, E. et al. Adsorción de colorante textil violeta brillante-5R remazol a partir de soluciones acuosas mediante el uso de biosorbente de residuos de cáscara de huevo. ciencia Rep. 10, 8385 (2020).

Artículo ADS PubMed PubMed Central Google Scholar

Ganiyu, SO, van Hullebusch, ED, Cretin, M., Esposito, G. & Oturan, MA Acoplamiento de filtración por membrana y procesos de oxidación avanzada para la eliminación de residuos farmacéuticos: una revisión crítica. Sep. Purif. Tecnología 156, 891–914 (2015).

Artículo CAS Google Académico

Ofomaja, AE Síntesis y optimización de variables de reacción en la preparación de composite de pinemagnetita para la eliminación del colorante azul de metileno. S.Afr. J. Chem. Ing. (2019).

M Gören, HMKN Eliminación de rodamina B de una solución acuosa usando piña de pino activada con HNO3. J. Int. Reinar. aplicación ciencia (2021).

Uddin, MJ, Ampiaw, RE & Lee, W. Eliminación por adsorción de colorantes de aguas residuales utilizando un marco orgánico de metal: una revisión. Chemosphere 284, 131314 (2021).

Artículo ADS CAS PubMed Google Scholar

Calimli, MH et al. Preparación, caracterización y cinética de adsorción del colorante azul de metileno en nanoadsorbentes soportados en óxido de grafeno reducido. J. Mol. Liq. 309, 113171 (2020).

Artículo CAS Google Académico

Liu, Y. & Liu, Y.-J. Isotermas de biosorción, cinética y termodinámica. Sep. Purif. Tecnología 61, 229–242 (2008).

Artículo CAS Google Académico

Bordoloi, S., Garg, A., Sreedeep, S., Lin, P. y Mei, G. Investigación del agrietamiento y la disponibilidad de agua del compuesto de biocarbón del suelo sintetizado a partir del jacinto de agua de malezas invasivas. Biorrecursos. Tecnología 263, 665–677 (2018).

Artículo CAS PubMed Google Académico

Jain, CK, Kumar, A. & Hayssam Izazy, M. Eliminación de color de efluentes de fábricas de papel mediante tecnología de adsorción. Evaluación de Environ Monit 149, 343–348 (2009).

Pathania, D., Sharma, S. & Singh, P. Eliminación de azul de metileno por adsorción en carbón activado desarrollado a partir de Ficus carica bast. Árabe. J. Chem. 10, S1445–S1451 (2017).

Artículo CAS Google Académico

Tang, R. et al. eliminación de azul de metileno de una solución acuosa utilizando residuos agrícolas de cáscara de nuez: estudios de equilibrio, cinéticos y termodinámicos. J. Chem. 2017, 1–10 (2017).

Artículo CAS Google Académico

Khoramzadeh, E., Nasernejad, B. & Halladj, R. Biosorción de mercurio a partir de soluciones acuosas por bagazo de caña de azúcar. J. Instituto de Taiwán química Ing. 44, 266–269 (2013).

Artículo CAS Google Académico

Aloma, I., Martin-Lara, MA, Rodriguez, IL, Blazquez, G. & Calero, M. Remoción de iones de níquel (II) de soluciones acuosas por biosorción en bagazo de caña de azúcar. J. Instituto de Taiwán química Ing. 43, 275–281 (2012).

Artículo Google Académico

Ullah, I., Nadeem, R., Iqbal, M. & Manzoor, Q. Biosorción de cromo en biomasa de residuos de bagazo de caña de azúcar nativa e inmovilizada. Ecol. Ing. 60, 99–107 (2013).

Artículo Google Académico

Podstawczyk, D., Witek-Krowiak, A., Dawiec, A. y Bhatnagar, A. Biosorción de iones de cobre (II) por harina de lino: modelado empírico y optimización de procesos mediante metodología de superficie de respuesta (RSM) y red neuronal artificial (ANN) ) simulación. Ecol. Ing. 83, 364–379 (2015).

Artículo Google Académico

Sen, S., Nandi, S. & Dutta, S. Aplicación de RSM y ANN para la optimización y modelado de biosorción de cromo (VI) utilizando biomasa de cianobacterias. aplicación ciencia del agua 8, 148 (2018).

Artículo ANUNCIOS Google Académico

Ghosh, A., Das, P. & Sinha, K. Modelado de la biosorción de Cu(II) por hojas de té usadas modificadas con álcali utilizando la metodología de superficie de respuesta (RSM) y la red neuronal artificial (ANN). aplicación ciencia del agua 5, 191–199 (2015).

Artículo ADS CAS Google Académico

Dali Youcef, L., Belaroui, LS & López-Galindo, A. Adsorción de un colorante azul de metileno catiónico en una paligorskita argelina. aplicación Arcilla. ciencia 179, 105145 (2019).

Artículo CAS Google Académico

Yadav, V., Ali, J. & Garg, MC Biosorción de colorante azul de metileno de aguas residuales de la industria textil en bagazo de caña de azúcar: modelado de superficie de respuesta, isotermas, modelado cinético y termodinámico. J. Peligro Tóxico Radiactivo. Residuos 25, (2021).

Jain, H. et al. Un enfoque verde ecosostenible para la biosorción del colorante azul de metileno de las aguas residuales de la industria textil por bagazo de caña de azúcar, cáscara de maní y cáscara de naranja: un estudio comparativo a través de la metodología de superficie de respuesta, isotermas, cinética y termodinámica. Contaminación del suelo del aire del agua. 233, 187 (2022).

Artículo ADS CAS Google Académico

Essekri, A. et al. Eliminación por adsorción mejorada del tinte cristal violeta de medios acuosos utilizando algas rojas modificadas con ácido cítrico: estudio experimental combinado con la optimización del proceso RSM. J. Dispersión Sci. Tecnología 43, 1359–1372 (2022).

Artículo CAS Google Académico

Kumari, S. et al. Aplicación de RSM para la biorremoción de colorante azul de metileno de aguas residuales industriales en biomasa sostenible de cáscara de nuez (Juglans regia). Agua (Basilea) 14, 3651 (2022).

Pulicharla, R. et al. Degradación de clortetraciclina en lodos de aguas residuales por ultrasonicación, oxidación de Fenton y ferrosonicación. Ultrasonido. Sonochem. 34, 332–342 (2017).

Artículo CAS PubMed Google Académico

Igwegbe, CA et al. Modelado de adsorción de colorante azul de metileno en nanopartículas de Ho-CaWO4 utilizando técnicas de Metodología de superficie de respuesta (RSM) y Red neuronal artificial (ANN). MétodosX 6, 1779–1797 (2019).

Artículo PubMed PubMed Central Google Académico

Verma, AK et al. Efectos del pretratamiento físico-químico en el rendimiento de un reactor de manto de lodo anaeróbico (UASB) de flujo ascendente que trata aguas residuales textiles: aplicación del diseño compuesto central factorial completo. Poder. J. Chem. Ing. 93, 808–818 (2015).

Artículo CAS Google Académico

Bagheri, R., Ghaedi, M., Asfaram, A., Alipanahpour Dil, E. & Javadian, H. Diseño RSM-CCD de adsorción de verde de malaquita en carbón activado con distribución de tamaño de poro multimodal preparado a partir de Amygdalus scoparia: estudios cinéticos e isotérmicos . Poliedro 171, 464–472 (2019).

Artículo CAS Google Académico

Saravanan, A. et al. Optimización y modelado de la adsorción de amarillo reactivo por semillas de Delonix regia modificadas en la superficie: Estudio de isotermas no lineales y parámetros cinéticos. Navegar. Interfaces 20, 100520 (2020).

Artículo CAS Google Académico

Saravanan, A. et al. Adsorción mejorada de iones de Zn (II) en biomasa mixta modificada en la superficie: Borassus flabellifer y Aspergillus tamarii: estudio de equilibrio, cinética y termodinámica. Ind. Cultivos Prod. 153, 112613 (2020).

Artículo CAS Google Académico

Yuh-Shan, H. Revisión de citas de la ecuación de velocidad cinética de Lagergren sobre reacciones de adsorción. Cienciometría 59, 171–177 (2004).

Artículo Google Académico

Chakravarty, P., Bauddh, K. & Kumar, M. Remediación de colorantes de ecosistemas acuáticos mediante el método de biosorción utilizando algas. en Algas y Sostenibilidad Ambiental 97–106 (Springer India, 2015). https://doi.org/10.1007/978-81-322-2641-3_8.

Tripathi, A. et al. Biosorción basada en ANN-GA de As(III) del agua a través de un sistema de biofiltro fúngico adaptado a la quimioterapia e impregnado de hierro. ciencia Rep. 12, 12414 (2022).

Artículo ADS CAS PubMed PubMed Central Google Scholar

Aghilesh, K., Kumar, A., Agarwal, S., Garg, MC y Joshi, H. Uso de inteligencia artificial para optimizar la biosorción de aguas residuales textiles utilizando desechos agrícolas. Reinar. Tecnología 44, 22–34 (2023).

Artículo CAS PubMed Google Académico

González, F. et al. Biosorción de algas y biosorbentes. en Biosorción microbiana de metales 159–178 (Springer Holanda, 2011). https://doi.org/10.1007/978-94-007-0443-5_7.

Lata, H., Garg, VK & Gupta, RK Eliminación de un colorante básico de una solución acuosa mediante adsorción utilizando Parthenium hysterophorus: un desecho agrícola. Tintes Pigm. 74, 653–658 (2007).

Artículo CAS Google Académico

Vijayaraghavan, J., Bhagavathi Pushpa, T., Sardhar Basha, SJ & Jegan, J. Estudios isotérmicos, cinéticos y mecánicos de la biosorción de azul de metileno en algas rojas Gracilaria corticata. Desalinizar Tratamiento de agua 57, 13540–13548 (2016).

Vakili, M. et al. Eliminación de iones de níquel de soluciones acuosas a través del proceso de adsorción: una revisión. Rev. Chem. Ing. 37, 755–778 (2021).

Artículo ADS CAS Google Académico

Dadrasnia, A., Chuan Wei, K., Shahsavari, N., Azirun, M. & Ismail, S. Potencial de biosorción de la cepa 139SI de Bacillus salmalaya para la eliminación de Cr(VI) de una solución acuosa. En t. J. Medio Ambiente. Res. Salud Pública 12, 15321–15338 (2015).

Artículo CAS PubMed PubMed Central Google Scholar

Pushpa, TB, Josephraj, J., Saravanan, P. & Ravindran, G. Biodecoloración de azul básico 41 utilizando compost a base de EM: Isoterma y cinética. química Seleccione 4, 10006–10012 (2019).

Google Académico

Kankılıç, GB, Metin, A. Ü. y Tuzun, I. Phragmites australis: un biosorbente alternativo para la eliminación de tintes básicos. ecológico Ing. 86, 85–94 (2016).

Artículo Google Académico

Xu, K., Tao, H. y Deng, T. Eliminación de fosfato del revestimiento de aguas residuales utilizando cenizas volantes modificadas con óxido bimetálico de Fe-Cu magnético. J. Agua Reutilización Desalinización. 6, 430–436 (2016).

Artículo CAS Google Académico

Mutongo , F. , Kuipa , O. & Kuipa , PK Eliminación de Cr(VI) de soluciones acuosas usando polvo de cáscara de patata como sorbente de bajo costo . Bioinorg. química aplicación 2014, 1–7 (2014).

Artículo Google Académico

Tunç, Ö., Tanacı, H. & Aksu, Z. Uso potencial de desechos de plantas de algodón para la eliminación del colorante reactivo Remazol Black B. J. Material de peligro. 163, 187–198 (2009).

Artículo PubMed Google Académico

Tabaraki, R., Nateghi, A. y Ahmady-Asbchin, S. Biosorción de iones de plomo (II) en Sargassum ilicifolium: aplicación de la metodología de superficie de respuesta. En t. Biodeterioro. Biodegradable 93, 145–152 (2014).

Artículo CAS Google Académico

Rangabhashiyam, S., Lata, S. & Balasubramaniyam, P. Características de biosorción de azul de metileno y verde de malaquita de aguas residuales simuladas en biosorbente de madera de Carica papaya. Navegar. Interfaces 10, 197–215 (2018).

Artículo CAS Google Académico

Ramezani, S., Zahedi, P., Bahrami, S.-H. & Nemati, Y. Fabricación microfluídica de nanopartículas basadas en quitosano funcionalizado con acrilato de etilo para la adsorción de azul de metileno a partir de soluciones acuosas. J. Polym. Reinar. 27, 1653-1665 (2019).

Artículo CAS Google Académico

Sharma, P. & Kaur, H. Bagazo de caña de azúcar para la eliminación de eritrosina B y azul de metileno de desechos acuosos. aplicación ciencia del agua 1, 135–145 (2011).

Artículo ANUNCIOS Google Académico

Consolin-Filho, N. MB adsorción sobre lignina modificada a partir de bagazo de caña de azúcar (2007).

Descargar referencias

Los autores desean agradecer al Instituto Amity de Ciencias Ambientales de la Universidad Amity de Uttar Pradesh, India, por su valioso apoyo experimental. VDR, PR y TM reconocen el apoyo del Programa de Liderazgo Académico Estratégico de la Universidad Federal del Sur ("Prioridad 2030").

Instituto Amity de Ciencias Ambientales, Universidad Amity Uttar Pradesh, Sector-125, Noida, 201313, Uttar Pradesh, India

Sheetal Kumari y Manoj Chandra Garg

Escuela de Energía y Medio Ambiente, Instituto Thapar de Ingeniería y Tecnología, Patiala, India

Anoop Verma

Departamento de Hidrología, Instituto Indio de Tecnología Roorkee, Roorkee, 247667, Uttarakhand, India

meñique sharma

Departamento de Ingeniería Electrónica y de Comunicaciones, Instituto Nacional de Tecnología Motilal Nehru Allahabad, Prayagraj, 211004, Uttar Pradesh, India

Smriti Agarval

Academia de Biología y Biotecnología, Universidad Federal del Sur, 344090, Rostov-on-Don, Rusia

Vishnu D. Rajput, Tatiana Minkina y Priyadarshani Rajput

Departamento de Ingeniería Topográfica, Universidad de Wollega, Ciudad de Nekemte, Etiopía

Surendra Pal Singh

También puede buscar este autor en PubMed Google Scholar

Conceptualización, SK y MCG; metodología, SK y VDR; software, MCG, SK y SA; validación, SA, SPS y PR; análisis formal, PS, SK y VDR; investigación, SK; recursos, PS y VDR; curación de datos, PS, SK y SPS, redacción—preparación del borrador original, SK; redacción: revisión y edición, MCG, AKV y TM; visualización, MT; supervisión, MCG y SPS; administración del proyecto, SA Todos los autores han leído y están de acuerdo con la versión publicada del manuscrito. Todos los autores estuvieron de acuerdo con el contenido y todos dieron su consentimiento explícito para enviar.

Correspondencia a Surendra Pal Singh o Manoj Chandra Garg.

Los autores declaran no tener conflictos de intereses.

Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.

Reimpresiones y permisos

Kumari, S., Verma, A., Sharma, P. et al. Introducción del modelo de aprendizaje automático a la metodología de superficie de respuesta para la biosorción de colorante azul de metileno utilizando biomasa de Triticum aestivum. Informe científico 13, 8574 (2023). https://doi.org/10.1038/s41598-023-35645-z

Descargar cita

Recibido: 01 Marzo 2023

Aceptado: 21 de mayo de 2023

Publicado: 26 mayo 2023

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

Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:

Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.

Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt

Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.