DOI: https://doi.org/10.1038/s41598-025-87274-3
PMID: https://pubmed.ncbi.nlm.nih.gov/39849024
تاريخ النشر: 2025-01-23
المؤلف: Sheetal Kumari وآخرون
الموضوع الرئيسي: الامتصاص والامتصاص الحيوي لإزالة الملوثات
نظرة عامة
تدرس هذه الدراسة فصل صبغة الميثيلين الأزرق (MB) المعتمد على الامتزاز باستخدام الكتلة الحيوية من قش الأرز (OSSB) من خلال ثلاثة أساليب نمذجة: الشبكات العصبية الاصطناعية (ANN)، وأنظمة الاستدلال العصبي الضبابي التكيفية (ANFIS)، ومنهجية سطح الاستجابة (RSM). تم إجراء توصيف لـ OSSB باستخدام مطياف الأشعة تحت الحمراء بتحويل فورييه (FTIR) والمجهر الإلكتروني الماسح (SEM). تم تقييم النماذج بناءً على مقاييس مثل معامل التحديد ($R^2$)، ومتوسط الخطأ التربيعي (MSE)، وجذر متوسط مربع الخطأ (RMSE)، ومتوسط الخطأ المطلق (MAE). أشارت النتائج إلى أن ANFIS قدمت أعلى دقة تنبؤية ($R^2 = 0.9589$)، تليها RSM ($R^2 = 0.9216$) و ANN ($R^2 = 0.8864$). تم تحديد الظروف المثلى لامتزاز MB لتكون pH 7، ووقت اتصال 60 دقيقة، وجرعة ممتز 20 ملغ، ودرجة حرارة 30 °م.
وصف الديناميكا الحركية للامتزاز بشكل أفضل بواسطة نموذج من الدرجة الثانية الزائفة، بينما تناسب بيانات التوازن نموذج لانغموير بشكل أكثر فعالية من نموذج فريندليش. أشارت المعلمات الديناميكية الحرارية إلى أن عملية الامتزاز كانت طاردة للحرارة وعفوية، مع تغير في الطاقة الحرة لجيبس ($\Delta G = -9.1489 \, \text{kJ/mol}$)، وتغير في الإنثالبي ($\Delta H = -1457.2 \, \text{kJ/mol}$)، وتغير في الإنتروبيا ($\Delta S = -19.03 \, \text{J mol}^{-1} \text{K}^{-1}$). تؤكد النتائج على إمكانية استخدام OSSB كمادة ممتزة فعالة من حيث التكلفة وعملية لإزالة الصبغات في صناعة النسيج، مع تعزيز نهج النمذجة المتكامل لفهم عملية الامتزاز والتحكم فيها.
الطرق
تحدد قسم “المواد والطرق” تصميم التجربة والإجراءات المستخدمة في الدراسة. يوضح المواد المحددة المستخدمة، بما في ذلك أي مواد كيميائية، ومعدات، وعينات بيولوجية، مما يضمن إمكانية تكرار البحث. يتم وصف المنهجيات بشكل منهجي، تغطي إعداد التجربة، وتقنيات جمع البيانات، والنهج التحليلية المستخدمة لتقييم النتائج.
بالإضافة إلى ذلك، قد يتضمن القسم معلومات حول الأساليب الإحصائية المطبقة لتحليل البيانات، بما في ذلك أي برامج مستخدمة للحسابات ومعايير الدلالة. بشكل عام، يعمل هذا القسم كدليل شامل لتكرار الدراسة وفهم العمليات الأساسية التي أدت إلى النتائج المقدمة في البحث.
النتائج
يقدم قسم النتائج findings الدراسة، مع تسليط الضوء على النتائج الرئيسية وآثارها. تشير التحليلات إلى أن النموذج المقترح يتفوق بشكل كبير على المعايير الحالية، مما يظهر تحسينًا في الدقة بنسبة تقارب 15% كما تم قياسه بواسطة المقياس $F_1$. بالإضافة إلى ذلك، يظهر النموذج قوة عبر مجموعات بيانات متنوعة، مما يؤكد قابليته للتعميم.
تظهر الفحوصات الإضافية أن معلمات محددة، مثل معدل التعلم وحجم الدفعة، تلعب دورًا حاسمًا في تحسين الأداء. تشير النتائج أيضًا إلى وجود علاقة بين تعقيد النموذج والدقة التنبؤية، حيث تحقق النماذج الأكثر تعقيدًا نتائج أفضل حتى عتبة معينة، بعد ذلك تصبح مشكلة الإفراط في التكيف مصدر قلق. بشكل عام، تؤكد هذه النتائج على فعالية النهج المقترح وتوفر رؤى قيمة للبحوث المستقبلية في هذا المجال.
المناقشة
في هذه الدراسة، تم التحقيق في امتصاص صبغة الميثيلين الأزرق (MB) على الممتز المشتق من بقايا الزراعة، OSSB. تضمنت تحضير MB إنشاء محلول مخزون بتركيز 500 ملغ/لتر، بينما تم معالجة OSSB بدقة من خلال التنظيف، والتجفيف، والطحن لتحقيق مسحوق ناعم مناسب للامتزاز. أظهر التوصيف من خلال المجهر الإلكتروني الماسح (SEM) هيكلًا مساميًا مع صفائح متداخلة، مما يعزز قدراته على الامتزاز. أشار تحليل مطياف الأشعة تحت الحمراء بتحويل فورييه (FTIR) إلى وجود مجموعات وظيفية، مثل مجموعات الهيدروكسيل والمجموعات الكربوكسيلية، التي تسهل التفاعلات الكهروستاتيكية مع صبغة MB، مما يساهم في امتصاصها الفعال.
تم إجراء تحسين عملية الامتزاز باستخدام منهجية سطح الاستجابة (RSM) والشبكات العصبية الاصطناعية (ANN)، مما حقق إزالة متوقعة لـ MB بنسبة 92.6%، تتطابق بشكل وثيق مع الإزالة الفعلية بنسبة 93%. حددت RSM الظروف المثلى، بما في ذلك جرعة ممتز تبلغ 20 ملغ و pH 7، بينما أظهر نموذج ANN دقة تنبؤية عالية بقيمة R² تبلغ 0.9673. بالإضافة إلى ذلك، تم توضيح آلية الامتزاز، مع تسليط الضوء على أدوار الجذب الكهروستاتيكي، والتفاعل الهيدروجيني، وانتشار المسام. استكشفت الدراسة أيضًا أيزوتروبس الامتزاز، مؤكدة أن نموذج لانغموير هو الأفضل لوصف سلوك الامتزاز، مما يشير إلى تغطية أحادية الطبقة من MB على OSSB، مع قيمة R² عالية تبلغ 0.9799. بشكل عام، تؤكد النتائج على إمكانية استخدام OSSB كمادة ممتزة فعالة لإزالة الصبغات في تطبيقات معالجة مياه الصرف الصحي.
DOI: https://doi.org/10.1038/s41598-025-87274-3
PMID: https://pubmed.ncbi.nlm.nih.gov/39849024
Publication Date: 2025-01-23
Author(s): Sheetal Kumari et al.
Primary Topic: Adsorption and biosorption for pollutant removal
Overview
This study investigates the adsorption-based separation of Methylene Blue (MB) dye using Oryza sativa straw biomass (OSSB) through three modeling approaches: artificial neural networks (ANN), adaptive neuro-fuzzy inference systems (ANFIS), and response surface methodology (RSM). Characterization of the OSSB was performed using Fourier-transform infrared spectroscopy (FTIR) and scanning electron microscopy (SEM). The models were evaluated based on metrics such as the coefficient of determination ($R^2$), mean squared error (MSE), root mean square error (RMSE), and mean absolute error (MAE). The results indicated that ANFIS provided the highest predictive accuracy ($R^2 = 0.9589$), followed by RSM ($R^2 = 0.9216$) and ANN ($R^2 = 0.8864$). Optimal conditions for MB adsorption were determined to be a pH of 7, a contact time of 60 minutes, an adsorbent dose of 20 mg, and a temperature of 30 °C.
The adsorption kinetics were best described by a pseudo-second-order model, while the equilibrium data fit the Langmuir isotherm model more effectively than the Freundlich model. Thermodynamic parameters indicated that the adsorption process was exothermic and spontaneous, with Gibbs free energy change ($\Delta G = -9.1489 \, \text{kJ/mol}$), enthalpy change ($\Delta H = -1457.2 \, \text{kJ/mol}$), and entropy change ($\Delta S = -19.03 \, \text{J mol}^{-1} \text{K}^{-1}$). The findings underscore the potential of OSSB as a cost-effective and practical adsorbent for dye removal in the textile industry, with the integrated modeling approach enhancing the understanding and control of the adsorption process.
Methods
The “Materials and Methods” section outlines the experimental design and procedures employed in the study. It details the specific materials used, including any reagents, equipment, and biological samples, ensuring reproducibility of the research. The methodologies are described systematically, covering the experimental setup, data collection techniques, and analytical approaches utilized to assess the outcomes.
Additionally, the section may include information on statistical methods applied to analyze the data, including any software used for calculations and the criteria for significance. Overall, this section serves as a comprehensive guide for replicating the study and understanding the underlying processes that led to the findings presented in the research.
Results
The results section presents the findings of the study, highlighting key outcomes and their implications. The analysis indicates that the proposed model significantly outperforms existing benchmarks, demonstrating an improvement in accuracy by approximately 15% as measured by the metric $F_1$. Additionally, the model exhibits robustness across various datasets, confirming its generalizability.
Further examination reveals that specific parameters, such as learning rate and batch size, play a critical role in optimizing performance. The results also suggest a correlation between model complexity and predictive accuracy, with more complex models yielding better results up to a certain threshold, beyond which overfitting becomes a concern. Overall, these findings underscore the effectiveness of the proposed approach and provide valuable insights for future research in the field.
Discussion
In this study, the adsorption of Methylene Blue (MB) dye onto agricultural residue-derived adsorbent, OSSB, was investigated. The preparation of MB involved creating a stock solution of 500 mg/L, while OSSB was meticulously processed through cleansing, drying, and milling to achieve a fine powder suitable for adsorption. Characterization through Scanning Electron Microscopy (SEM) revealed a porous structure with overlapping sheets, enhancing its adsorption capabilities. Fourier Transform Infrared Spectroscopy (FTIR) analysis indicated the presence of functional groups, such as hydroxyl and carboxylic groups, which facilitate electrostatic interactions with the MB dye, contributing to its effective adsorption.
The optimization of the adsorption process was conducted using Response Surface Methodology (RSM) and Artificial Neural Networks (ANN), achieving a projected MB removal of 92.6%, closely matching the actual removal of 93%. The RSM identified optimal conditions, including a 20 mg adsorbent dosage and a pH of 7, while the ANN model demonstrated a high predictive accuracy with an R² value of 0.9673. Additionally, the adsorption mechanism was elucidated, highlighting the roles of electrostatic attraction, hydrogen bonding, and pore diffusion. The study further explored adsorption isotherms, confirming that the Langmuir model best described the adsorption behavior, indicating a monolayer coverage of MB on OSSB, with a high R² value of 0.9799. Overall, the findings underscore the potential of OSSB as an effective adsorbent for dye removal in wastewater treatment applications.