Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Application of genetic algorithms to determine heavy metal ions sorption dynamics on clinoptilolite bed

Tytuł:
Application of genetic algorithms to determine heavy metal ions sorption dynamics on clinoptilolite bed
Autorzy:
Tomczak, E. T.
Kamiński, W. L.
Powiązania:
https://bibliotekanauki.pl/articles/185117.pdf
Data publikacji:
2012
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
algorytm genetyczny
jony metali ciężkich
klinoptylolit
heavy metal ions
clinoptilolite
sorption dynamics
genetic algorithm
Źródło:
Chemical and Process Engineering; 2012, 33, 1; 103-116
0208-6425
2300-1925
Język:
polski
Prawa:
CC BY-NC-ND: Creative Commons Uznanie autorstwa - Użycie niekomercyjne - Bez utworów zależnych 3.0 PL
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
In the last decade a growing interest was observed in low-cost adsorbents for heavy metal ions. Clinoptilolite is a mineral sorbent extracted in Poland that is used to remove heavy metal ions from diluted solutions. The experiments in this study were carried out in a laboratory column for multicomponent water solutions of heavy metal ions, i.e. Cu(II), Zn(II) and Ni(II). A mathematical model to calculate the metals' concentration of water solution at the column outlet and the concentration of adsorbed substances in the adsorbent was proposed. It enables determination of breakthrough curves for different process conditions and column dimensions. The model of process dynamics in the column took into account the specificity of sorption described by the Elovich equation (for chemical sorption and ion exchange). Identification of the column dynamics consisted in finding model coefficients [beta], KE and Deff and comparing the calculated values with experimental data. Searching for coefficients which identify the column operation can involve the use of optimisation methods to find the area of feasible solutions in order to obtain a global extremum. For that purpose our own procedure of genetic algorithm is applied in the study.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies