CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Artificial Neural Network Approach for Modeling of Mercury Adsorption from Aqueous Solution by Sargassum Bevanom Algae

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۰ | تعداد نمایش خلاصه: ۲۰۸ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: JR_IJE-28-8_003
زبان مقاله: انگلیسی
حجم فایل: ۹۹۹.۴۲ کیلوبایت (فایل این مقاله در ۱۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Artificial Neural Network Approach for Modeling of Mercury Adsorption from Aqueous Solution by Sargassum Bevanom Algae

  m Sharifzadeh Baei - Department of Chemical Engineering, Ayatollah Amoli Branch, Islamic Azad University, Amol, Iran.
  r.h Alizadeh - Department of Chemical Engineering, Mazandaran University of Science and Technology, Babol, Iran

چکیده مقاله:

In this study, the adsorption of mercury ions by Sargassum bevanom (S. bevanom) in batch condition was investigated. SEM was used to study the surface morphology of the biosorbent. The optimum operating parameters such adsorbent dosage, contact time, and pH, were obtained as:a biomass dose of0.4 g in 100 mL of mercury solution, contact time of 90 min and pH 7. Three equations Morris – Weber, Lagergren and pseudo second order are tested to verify the kinetics of the adsorption process.The data are well explained by the model of Weber Morris. The Langmuir, Freundlich, Temkin, andDubinin–Radushkevich were subjected to sorption data to estimate sorption capacity; the Langmuir model indicated better performance in the fitting of equilibrium data. Also, the thermodynamic parameters indicated that the adsorption of mercury by S. bevanom was spontaneous and endothermic. Artificial Neural Networks (ANN) was used to predict the adsorption efficiency for the removal of mercury ions; the ANN model could estimate the behavior of mercury removal process

کلیدواژه‌ها:

Mercury , Alga , Adsorption , Thermodynamic , Kinetic , Artificial Neural Network

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_IJE-JR_IJE-28-8_003.html
کد COI مقاله: JR_IJE-28-8_003

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:
Sharifzadeh Baei, m & r.h Alizadeh, ۱۳۹۴, Artificial Neural Network Approach for Modeling of Mercury Adsorption from Aqueous Solution by Sargassum Bevanom Algae, International Journal of Engineering (IJE) 28 (8), https://www.civilica.com/Paper-JR_IJE-JR_IJE-28-8_003.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: (Sharifzadeh Baei, m & r.h Alizadeh, ۱۳۹۴)
برای بار دوم به بعد: (Sharifzadeh Baei & Alizadeh, ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۳۱۵۲
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده 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.