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

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

654 Accesos

13 altmétrico

Detalles de métricas

Un problema ambiental importante a escala global es la contaminación del agua por colorantes, particularmente provenientes de efluentes industriales. En consecuencia, el tratamiento de aguas residuales de diversos desechos industriales es crucial para restaurar la calidad ambiental. Los tintes son una clase importante de contaminantes orgánicos que se consideran perjudiciales tanto para las personas como para los hábitats acuáticos. La industria textil se ha interesado más en los adsorbentes de origen agrícola, particularmente en la adsorción. En este estudio se evaluó la biosorción del colorante azul de metileno (MB) 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 (RNA) 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 importantes sitios de unión implicados en el proceso de biosorción de MB, se demostró mediante espectroscopia infrarroja por transformada de Fourier (FTIR). Además, un microscopio electrónico de barrido (SEM) reveló que se habían absorbido partículas frescas y brillantes en la superficie del T. aestivum tras el procedimiento de biosorción. Se ha demostrado que la bioeliminación de MB de 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 importante de residuos, de los cuales el 5% termina en efluentes de aguas residuales de aproximadamente 637,3 millones de metros cúbicos por año, lo que contribuye significativamente a la contaminación de las masas 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 colorantes está muy extendido en sectores como el textil, el caucho, el papel, el plástico y la cosmética. Los textiles son los primeros entre estas industrias en el uso de tintes para colorear la fibra. La descarga de tintes de las industrias textiles provoca una grave contaminación del aire, el agua y el suelo y, por tanto, afecta negativamente al medio ambiente. La industria textil se ha convertido recientemente en un problema importante que tiene 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 otros químicos3,4. Una sustancia química que resulta de su interacción es extremadamente peligrosa para las personas, las plantas y la vida acuática. El resultado son las enfermedades transmitidas por el agua5. MB es el tinte más común y popular en la industria textil y se utiliza 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 e impedir que la luz solar llegue a los cuerpos de agua son dos efectos negativos de los tintes en el medio ambiente7.

Recientemente se han publicado varios informes sobre métodos de eliminación de tintes8. 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 utiliza para eliminar el tinte. Cada técnica tiene ventajas y desventajas. El enfoque más utilizado es la adsorción13. Permite la eliminación de contaminantes en niveles que van desde bajos hasta altos. 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, 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 con el fin de eliminarlos17,18. 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 sean económicos y fácilmente accesibles a nivel local20,21. Para eliminar el tinte MB de las aguas residuales textiles, en este estudio se utiliza T. aestivum como biosorbente de bajo costo. Es un producto de desecho agrícola que se desecha con frecuencia y que es fácilmente accesible y ya no puede utilizarse 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 tintes 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 del papel y la pulpa.

Numerosas variables, incluido el pH, la cantidad de biosorbente utilizado y la concentración de tinte, pueden afectar la eliminación del tinte mediante biosorción24. El método de la 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. Antiguamente 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 tinte 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 tinte MB de la muestra acuosa. El tratamiento de 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 de los numerosos adsorbentes económicos disponibles para el tratamiento de aguas residuales de la industria textil.

Además, combinar RSM con aprendizaje automático (ANN) podría aumentar la confiabilidad del modelo. La aparición de mejores métodos de modelado con un rendimiento mejorado del modelo, como ANN, ofrece un sustituto de la regresión polinómica. 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 varias lagunas y deficiencias. Las investigaciones anteriores normalmente se centraban únicamente en 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 espectroscopía infrarroja por transformada de Fourier. En la Fig. 1 se muestra un diagrama esquemático del estudio de biosorción.

Un diagrama esquemático del estudio de biosorción.

Primero se divide en trozos 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 tamizador, el biosorbente molido se tamiza para mantener las partículas de tamaño uniforme, antes de secarse durante 24 h en un horno de aire caliente a 70 °C, las partículas que pasaron por un tamiz de 250 µm se usan con agua desionizada para enjuagar. tres veces. Las pruebas de biosorción se realizan utilizando el biosorbente preparado. La composición química de T. aestivum se enumera en la Tabla 1.

El procedimiento de biosorción se crea para reconocer la activación de la biomasa mediante el empleo de espectroscopía FTIR para evaluar los grupos funcionales en la superficie del biosorbente. Con un rango experimental de 400 a 4000 cm-1, los espectros se obtienen utilizando un instrumento FTIR de PerkinElmer.

En esta investigación, la biosorción experimental se realiza utilizando MB (C16H18ClN3S xH2O) de grado analítico. Las características del MB se enumeran en la Tabla 2.

La cantidad necesaria de colorante en polvo MB y agua desionizada se combinan para producir la solución madre de MB (500 mg/L). Los niveles de concentración dados se producen 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 inicial de tinte 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 agregaba 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 usando papel de filtro a intervalos de 0,45 µm mientras se agitaba. Se utiliza 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 ejecuciones 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 de tinte. Para determinar cómo la temperatura afecta 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 utilizando la ecuación. (1)31

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

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

Como en un experimento estándar sólo se cambia una variable mientras que las demás se mantienen constantes, el investigador ignora el efecto sinérgico de los componentes. A lo largo de los años se ha desarrollado una variedad de metodologías de optimización en el análisis operativo, lo que ha dado como resultado una larga historia de estudios de optimización32. RSM es una metodología estadística metódica que mejora la concordancia de las pruebas mínimas al evaluar la relación entre las respuestas del diseño y los factores33. El diseño cuadrilátero se proporciona porque el CCD contiene sólo un subconjunto de los experimentos necesarios para el factorial de cinco pasos y proporciona esquemas con las propiedades estadísticas requeridas34,35.

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

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

donde c es el número de réplicas del 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 el 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 ecuación. (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 sorbente 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 desempeño es el objetivo principal de RSM.

Utilizamos los hechos de biosorción de MB en T. aestivum para resolver las ecuaciones de isotermas. Según la isoterma de Langmuir, ni las moléculas diana ni la superficie adsorbente interactuarán jamás. La versión también incluye un número limitado de sitios activos, que generalmente están organizados en una monocapa36. Se pueden utilizar isotermas de Langmuir para simular el proceso de biosorción.

qe es la cantidad de colorante absorbida en equilibrio en mg y qmax es la cantidad máxima de colorante que se puede absorber mediante biomasa en mg, Ce es la conciencia de MB en 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 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 utilizando pseudoprimer orden. Este estudio de cinética utilizó diferentes concentraciones de tinte (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 proporciona a continuación de acuerdo con la ecuación de tasa de primer orden de Lagergren. Normalmente se utiliza una expresión lineal para esta tasa37.

Las cantidades de MB adsorbidas en T. aestivum en equilibrio (qe) y en cualquier momento (qt), respectivamente; K1 (min-1) es la constante de tasa de biosorción de pseudoprimer orden (qt). Ho sugirió que se ha propuesto un modelo cinético basado en 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 disolvente. La forma lineal del modelo pseudocuadrático es la siguiente en la ecuación. (9)

T. aestivum absorbe el tinte MB en equilibrio (mg/g) y en cualquier momento, lo que se denomina qe y qt, respectivamente. La constante de velocidad de equilibrio para la biosorción de pseudosegundo orden es K2. Para determinar cómo afectarían el modelo de cinética de biosorción de pseudosegundo 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 el tinte MB en el T. aestivum29. Se utilizaron cinco temperaturas diferentes para investigar el impacto de la temperatura en las pruebas lote por lote del tinte 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 modelos de aprendizaje automático (ANN) para pronosticar la eliminación de tinte del rendimiento de MB40. Las neuronas que forman una RNA son unidades de procesamiento altamente acopladas que tienen funciones de unión sumadora y de transferencia. El modelado ANN, a diferencia del RSM, incluye una entrada (factores), un objetivo (respuesta experimental) y una salida (respuesta prevista). La capa de entrada (que representa variables independientes), la capa de salida (que representa variables dependientes) y las capas ocultas que vinculan entradas con salidas son las capas en las que se colocan 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.

La eliminación de tinte más alta observada y los valores anticipados de biosorción de MB, y la matriz del diseño experimental se enumeran en la Tabla 4. En 60 minutos, se realizaron 30 pruebas en total. T. aestivum tuvo la tasa de eliminación de tinte más alta (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 la ecuación. (11).

A, B, C y D son las variables codificadas utilizadas en esta investigación de RSM. Para pronosticar cómo reaccionará cada elemento ante diferentes fases, la ecuación se puede utilizar junto con la variable codificada. La notación estándar para estatus superior y subordinado es + 1 y 1, respectivamente. Utilizando 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 previsto 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). En los resultados del ANOVA de la Tabla 5 se muestra una contribución significativa del modelo cuadrático con un valor de p inferior a 0,01. El modelo significativo en la investigación actual se muestra en el valor F muestral de 193,32. Este enorme valor F puede ser causado por ruido con una probabilidad de tan solo el 0,01%. Los valores obtenidos usando 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 que refleja 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 considerable prevalencia 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 la eficiencia de biosorción de MB (%) a parámetros comunes basados ​​en la mayoría de los valores de parámetros alternativos para un determinado conjunto de componentes, como se muestra en las figuras 4a a f. Las curvas de estos gráficos 3D demuestran cómo interactúan las variables del proceso. El escenario óptimo y los resultados interactivos de los cuatro factores evaluados se muestran en los gráficos de aspecto 3D en las figuras 4a a 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 coste de la biomasa son las principales consideraciones decisivas a la hora de adoptarla para fines industriales a gran escala. La biomasa es una de las categorías más interesantes de biosorbentes39. En términos de eliminación de metales pesados ​​de las aguas residuales, la biomasa agrícola tiene una gran cantidad de beneficios, entre los que se incluyen ser una biomasa natural renovable de bajo costo, tener una alta eficiencia de eliminación de metales, tener una alta capacidad de absorción y ser capaz de regenerarse. y reutilizar la biomasa42. La Figura 4d demuestra que la eficacia de eliminación del MB aumenta al aumentar la dosis de biosorbente y disminuye al disminuir las concentraciones de tinte. La causa principal del aumento simultáneo de la capacidad de biosorción del MB y de la concentración del 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 disminuye a medida que aumenta la atención de la biomasa demuestra que la amplia variedad de moléculas de tinte necesarias para cubrir por completo todos los sitios de adsorción activos en la biomasa en dosis altas de sorbente 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 aumento de las concentraciones preliminares de tinte generalmente provoca un crecimiento dentro del porcentaje de eliminación. La cantidad de biosorción de tinte en la superficie de los adsorbentes aumenta a medida que aumenta la concentración inicial de MB45.

El procedimiento de biosorción puede motivarse mediante el uso de numerosas variables, junto con el pH, la concentración inicial 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 metálicas, la actividad de los grupos funcionales en la biomasa y la carga neta en la superficie de las células absorbentes. Los iones de metales pesados ​​y H+ pueden competir entre sí por los sitios celulares activos en la superficie de las células biosorbentes, ya que el método de biosorción de metales importantes suele depender del potencial de la concentración de iones de hidrógeno46. Según el estudio de los hallazgos experimentales, la biomasa de T. aestivum puede absorber más eficazmente el tinte MB porque el pH aumenta, con una biosorción máxima que se produce 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. El impacto de la temperatura en la eliminación de Basic Blue 41 (BB41) a través de un eficaz abono total de hojas a base de microorganismos se evaluó a diferentes temperaturas entre 25 y 45 °C47. Los resultados del experimento mostraron que un aumento de temperatura daría como resultado una mayor capacidad de sorción de tinte (Fig. 4b). La Figura 3e demuestra que cuanto más aumenta 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 velocidad de difusión de los solutos, lo que tiene un impacto significativo en la capacidad del sorbente para absorber solutos48. Sin embargo, el impacto de la temperatura en la biosorción es bastante delicado y podría aumentar ligeramente a temperaturas más bajas. Se citaron como causas de este resultado la capacidad de las moléculas de tinte para mantener el contacto con los sitios de la superficie biosorbente y la expansión del tamaño de los poros con el aumento de la temperatura. En general, un aumento de temperatura acelera la velocidad de difusión del soluto, 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) a la ecuación de Langmuir se muestra como (Ce/q) versus (Ce) como se muestra en la Fig. 5A. Según la Tabla 6, los coeficientes de correlación determinados de 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 0,062 (Tabla 6), lo que indica una biosorción favorable. Eso confirmó que T. aestivum y MB tuvieron 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 pendiente de la gráfica lineal de ln qe versus 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, lo que demuestra que la formación de monocapa media biosorción en una superficie homogénea. La Figura 5B muestra un ajuste lineal de la ecuación de Freundlich utilizando una línea con una intersección de ln Kf y una pendiente de n49.

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

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

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

Como era de esperar, la capacidad de biosorción de MB en T. aestivum aumenta sustancialmente mientras la temperatura aumenta de 20 a 40 °C. La capacidad de biosorción de T. aestivum se incrementa a través de la longitud expandida de los poros del biosorbente y el calentamiento de la superficie del sorbente. El aumento de la temperatura hace que la molécula de tinte grande penetre más profundamente, lo que también mejoró la potencia del ion de tinte grande, lo que disminuye 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 interfaz sólido/líquido cuando MB se adsorbe en T. aestivum, el valor de 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. Una buena interacción entre T. aestivum y MB está indicada por niveles altos de ΔH. 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 en discusión, pero depende de la temperatura y debe cumplir el criterio 1 < S* < 1 para una biosorción óptima. El valor de la probabilidad de pegado se calculó a partir de datos experimentales. Se calculó utilizando una ecuación modificada de tipo Arrhenius.

El parámetro S* representa la medida de la capacidad de un adsorbato de persistir en el adsorbente indefinidamente. La cobertura de la superficie (\(\theta\)) a diferentes temperaturas se calculó para evaluar los efectos de la temperatura sobre la probabilidad de adherencia en el rango de temperatura de 288 a 308 K. La pendiente y la intersección del 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 lo muestra la probabilidad de adherencia del MB de S* < 1 en la superficie de la biomasa que se presenta en la Tabla 8.

Las RNA se utilizan para generar nuevos procesos, analizar los existentes y anticipar el resultado y desempeño de los sistemas26. La topología óptima de la red neuronal de retroalimentación 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 los insumos y resultados para la capacitación. Después del entrenamiento, los pesos y sesgos de una red neuronal se muestran en la Tabla 9. La función de transferencia logsig (log-sigmoide) 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 prueba de entrenamiento, validación y predicción de T. aestivum.

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

Las condiciones mejoradas del proceso previstas 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 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 durante 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. La eficiencia de biosorción del 93,51 % se logró en las condiciones ideales que se muestran en la Tabla 1025 y se realizó un experimento por lotes especial para demostrar la optimización en circunstancias ideales para comparar, en circunstancias adecuadas, entre los resultados proyectados y reales. La diferencia entre el valor proyectado y el valor real es 93,90% o 93,51%, lo que confirma que los valores previstos y reales son los mismos, lo que produce resultados del modelo 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 prevista 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 error porcentual 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 arrojó una eficiencia de eliminación de MB del 93,51 % y las reacciones proyectadas son consistentes con las predicciones del modelo validadas en estas condiciones de proceso ideales (Tabla 10).

Utilizando la espectroscopía FTIR, se pueden encontrar alteraciones en 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 biosorbentes52. Dos picos distintos a 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. La extensión C-O de varios restos y el grupo carboxílico han sido implicados 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 a 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 dependiendo del pH de la solución2,6,53. En una solución con un valor de pH más bajo, el sistema funcionará con más 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 prolongada, robusta y afilada 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 con 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 formada por T. aestivum no tratado tenía una superficie rugosa e irregular, como se ve en la Fig. 10A. En la Fig. 10B se muestra el aspecto de partículas frescas y brillantes absorbidas en la superficie de T. aestivum. Se había demostrado otra cualidad distintiva (Fig. 10B). El área de superficie del 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 tinte MB en T. aestivum utilizando las variables experimentales de cantidad de biosorbente, pH del tinte, temperatura y concentración. Se examinó el resultado experimental de la capacidad de biosorción de MB y se encontró que era superior al uso de la técnica de optimización RSM basada 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 tinte 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 pseudosegundo 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 colorantes con contraiones, que normalmente están unidos 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 quitar el color del agua podría resultar económico y eficaz.

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 alga parda 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. NIDO global J. (2017).

Wang, C. y col. 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 Scholar

Saravanan, A. y col. Eliminación simultánea de Cu (II) y colorante verde reactivo 6 de aguas residuales utilizando biomasa fúngica mixta inmovilizada y su recuperación. Quimiosfera 271, 129519 (2021).

Artículo ADS CAS PubMed Google Scholar

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

Artículo CAS Google Scholar

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

Artículo CAS Google Scholar

Patil, CS y cols. Compuesto de lámina de carbono y arena marina derivada de melaza de caña de azúcar para la eliminación directa de azul de metileno de aguas residuales textiles: remediación de aguas residuales industriales mediante una metodología sostenible, más ecológica y escalable. Sep. Purif. Tecnología. 247, 116997 (2020).

Artículo CAS Google Scholar

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

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

Artículo PubMed Google Scholar

Rápó, E. et al. Adsorción del tinte textil remazol shiny violeta-5R a partir de soluciones acuosas mediante el uso de biosorbente de desechos 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 avanzados para la eliminación de residuos farmacéuticos: una revisión crítica. Sep. Purif. Tecnología. 156, 891–914 (2015).

Artículo CAS Google Scholar

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

M Gören, HMKN Eliminación de rodamina B de una solución acuosa mediante el uso de piñas activadas con HNO3. J. Int. Reinar. Aplica. Ciencia. (2021).

Uddin, MJ, Ampiaw, RE y Lee, W. Eliminación por adsorción de tintes de aguas residuales utilizando una estructura organometálica: una revisión. Quimiosfera 284, 131314 (2021).

Artículo ADS CAS PubMed Google Scholar

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

Artículo CAS Google Scholar

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

Artículo CAS Google Scholar

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, una maleza invasiva. Biorrecurso. Tecnología. 263, 665–677 (2018).

Artículo CAS PubMed Google Scholar

Jain, CK, Kumar, A. y Hayssam Izazy, M. Eliminación de color del efluente de una fábrica 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 mediante adsorción sobre carbón activado desarrollado a partir de líber de Ficus carica. Árabe. J. química. 10, S1445–S1451 (2017).

Artículo CAS Google Scholar

Tang, R. y col. Eliminación de azul de metileno de una solución acuosa utilizando residuos agrícolas de cáscara de nuez: estudios de equilibrio, cinéticos y termodinámicos. J. química. 2017, 1-10 (2017).

Artículo CAS Google Scholar

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

Artículo CAS Google Scholar

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

Artículo de Google Scholar

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

Artículo de Google Scholar

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. Ecológico. Ing. 83, 364–379 (2015).

Artículo de Google Scholar

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

ADS del artículo Google Scholar

Ghosh, A., Das, P. y Sinha, K. Modelado de la biosorción de Cu (II) mediante hojas de té gastadas modificadas con álcalis utilizando metodología de superficie de respuesta (RSM) y red neuronal artificial (ANN). Aplica. Ciencia del agua. 5, 191-199 (2015).

Artículo ADS CAS Google Scholar

Dali Youcef, L., Belaroui, LS & López-Galindo, A. Adsorción de un tinte catiónico azul de metileno sobre una paligorskita argelina. Aplica. Arcilla. Ciencia. 179, 105145 (2019).

Artículo CAS Google Scholar

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

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

Artículo ADS CAS Google Scholar

Essekri, A. y col. Eliminación por adsorción mejorada de tinte violeta cristal de medios acuosos utilizando algas rojas modificadas con ácido cítrico: estudio experimental combinado con optimización del proceso RSM. J. Dispers Ciencia. Tecnología. 43, 1359-1372 (2022).

Artículo CAS Google Scholar

Kumari, S. y col. Aplicación de RSM para la bioeliminación de tinte 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 mediante ultrasonicación, oxidación de Fenton y ferrosonicación. Ultrasonido. Sonochem. 34, 332–342 (2017).

Artículo CAS PubMed Google Scholar

Igwegbe, CA y cols. Modelado de la adsorción de colorante Azul de Metileno sobre nanopartículas de Ho-CaWO4 utilizando técnicas de Metodología de Superficie de Respuesta (RSM) y Red Neuronal Artificial (RNA). MétodosX 6, 1779–1797 (2019).

Artículo PubMed PubMed Central Google Scholar

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

Artículo CAS Google Scholar

Bagheri, R., Ghaedi, M., Asfaram, A., Alipanahpour Dil, E. & Javadian, H. Diseño RSM-CCD de adsorción de verde de malaquita sobre 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 Scholar

Saravanan, A. y col. Optimización y modelado de la adsorción amarilla reactiva mediante semilla de Delonix regia modificada en la superficie: estudio de parámetros isotérmicos y cinéticos no lineales. Navegar. Interfaces 20, 100520 (2020).

Artículo CAS Google Scholar

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

Artículo CAS Google Scholar

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

Artículo de Google Scholar

Chakravarty, P., Bauddh, K. y Kumar, M. Remediación de tintes 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. y col. Biosorción de As (III) basada en ANN-GA del agua a través de un sistema de biofiltro fúngico impregnado de hierro y adaptado a la quimioterapia. 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 Scholar

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

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

Artículo CAS Google Scholar

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

Vakili, M. y col. Eliminación de iones de níquel de soluciones acuosas mediante el proceso de adsorción: una revisión. Rev. Química. Ing. 37, 755–778 (2021).

Artículo ADS CAS Google Scholar

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. y 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. & Tüzün, İ. Phragmites australis: un biosorbente alternativo para la eliminación de tintes básicos. Ecológico. Ing. 86, 85–94 (2016).

Artículo de Google Scholar

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

Artículo CAS Google Scholar

Mutongo, F., Kuipa, O. & Kuipa, PK Eliminación de Cr(VI) de soluciones acuosas utilizando polvo de cáscaras de papa como sorbente de bajo costo. Bioinorg. Química. Aplica. 2014, 1–7 (2014).

Artículo de Google Scholar

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

Artículo PubMed Google Scholar

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. Biodegradado. 93, 145-152 (2014).

Artículo CAS Google Scholar

Rangabhashiyam, S., Lata, S. y 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 Scholar

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. Polim. Reinar. 27, 1653-1665 (2019).

Artículo CAS Google Scholar

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

ADS del artículo Google Scholar

Consolin-Filho, N. Adsorción de MB sobre lignina modificada del 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

Pinky Sharma

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

Smriti Agarwal

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

Vishnu D. Rajput, Tatiana Minkina y Priyadarshani Rajput

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

Surendra Pal Singh

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes buscar este autor en PubMed Google Scholar.

También puedes 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 aceptado la versión publicada del manuscrito. Todos los autores estuvieron de acuerdo con el contenido y todos dieron su consentimiento explícito para enviarlo.

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 reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.

Acceso Abierto Este artículo está bajo una Licencia Internacional Creative Commons Attribution 4.0, que permite el uso, compartir, adaptación, distribución y reproducción en cualquier medio o formato, siempre y cuando se dé el crédito apropiado al autor(es) original(es) y a la fuente. proporcione un enlace a la licencia Creative Commons e indique 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 normativa legal o excede el uso permitido, deberá obtener 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 tinte azul de metileno utilizando biomasa de Triticum aestivum. Representante científico 13, 8574 (2023). https://doi.org/10.1038/s41598-023-35645-z

Descargar cita

Recibido: 01 de marzo de 2023

Aceptado: 21 de mayo de 2023

Publicado: 26 de mayo de 2023

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

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

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

Proporcionado por la iniciativa de intercambio de contenidos 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.