CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Predictive modeling of biomass production by Chlorella vulgaris in a drafttube airlift photobioreactor

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۲۲ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: JR_AET-2-3_002
زبان مقاله: انگلیسی
حجم فایل: ۱.۰۲ مگابات (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Predictive modeling of biomass production by Chlorella vulgaris in a drafttube airlift photobioreactor

Mohsen Mansouri - Department of Chemical Engineering, University of Ilam, Ilam, Iran

چکیده مقاله:

The objective of this study was to investigate the growth rate of Chlorella vulgaris for CO2 biofixation and biomass production. Six mathematical growth models (Logistic, Gompertz, modified Gompertz, Baranyi, Morgan and Richards) were used to evaluate the biomass productivity in continuous processes and to predict the following parameters of cell growth: lag phase duration (λ), maximum specific growth rate (μmax), and maximum cell concentration (Xmax). The low root-meansquare error (RMSE) and high regression coefficients (R2) indicated that the models employed were well fitted to the experiment data and it could be regarded as enough to describe biomass production. Using statistical and physiological significance criteria, the Baranyi model was considered the most appropriate for quantifying biomass growth. The biological variables of this model are as follows: μmax=0.0309 h−1, λ=100 h, and Xmax=1.82 g/L.

کلیدواژه‌ها:

Chlorella vulgaris ،CO2, Photobioreactor ،Predictive modeling

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_AET-JR_AET-2-3_002.html
کد COI مقاله: JR_AET-2-3_002

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Mansouri, Mohsen, ۱۳۹۵, Predictive modeling of biomass production by Chlorella vulgaris in a drafttube airlift photobioreactor, Advances in Environmental Technology 2 (3), https://www.civilica.com/Paper-JR_AET-JR_AET-2-3_002.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Mansouri, Mohsen, ۱۳۹۵)
برای بار دوم به بعد: (Mansouri, ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.