Aero-gel de quitosano-resol-pectina en la eliminación de azul de metileno: modelado y optimización utilizando una red neuronal artificial
Autores: Flores-Gómez, Jean; Villegas-Ruvalcaba, Mario; Blancas-Flores, José; Morales-Rivera, Juan
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Aero-gel de quitosano-resol-pectina en la eliminación de azul de metileno: modelado y optimización utilizando una red neuronal artificial
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Química
Palabras clave
Novela
Aerogel de quitosano-resol-pectina
Azul de metileno
Red neuronal artificial
Propiedades de adsorción
Optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 33
Citaciones: Sin citaciones
En este estudio, se creó un nuevo aerogel de quitosano-resole-pectina (CS-R-P) a partir de una reacción sol-gel con una solución de Cs y P con resole mediante una técnica de liofilización, y se propuso este adsorbente para la eliminación de azul de metileno (MB). Además, con el uso de una técnica de inteligencia artificial conocida como red neuronal artificial (ANN), se modeló y optimizó este material. Su morfología física y composición química también se caracterizaron con FTIR y XPS, y se analizaron sus propiedades de adsorción. Para modelar el proceso de adsorción, se utilizaron tres parámetros principales: la concentración de quitosano-resole-pectina (45-75%), el tratamiento térmico (6-36 h) y concentraciones conocidas de azul de metileno (25-50 y 100 mg/L), establecidas en el diseño de Box-Behnken. La ANN se acopló con el algoritmo metaheurístico de optimización de lobo gris mejorado (IWGO), logrando un coeficiente de correlación de R = 0.99. La caracterización indica que la superficie de los aerogeles era micro y mesoporosa, el resole proporcionó estabilidad física y la base de polisacáridos entregó los grupos funcionales necesarios para la adsorción de colorantes; los aerogeles fueron adsorbentes de colorantes exitosos con un valor de 12.44 mg/g. Finalmente, la sorción física y química fue verificable con una adsorción que siguió la cinética de pseudo-segundo orden. La adsorción de MB claramente ocurría a través del intercambio catiónico y la unión de hidrógeno, como se observó en la composición química. La ANN con el optimizador de lobo gris se utilizó para la predicción de los mejores parámetros operativos para la eliminación de MB, aplicando las siguientes condiciones: la concentración del aerogel CS-R-P (52/30/18), el tratamiento térmico (9.12 h) y la concentración inicial de azul de metileno (37 mg/L), logrando una eliminación del 94.6%. Estas conclusiones sugieren que el uso de inteligencia artificial como una ANN puede proporcionar un modelo eficiente y práctico para maximizar la acción de eliminación de nuevos aerogeles basados en quitosano.
Descripción
En este estudio, se creó un nuevo aerogel de quitosano-resole-pectina (CS-R-P) a partir de una reacción sol-gel con una solución de Cs y P con resole mediante una técnica de liofilización, y se propuso este adsorbente para la eliminación de azul de metileno (MB). Además, con el uso de una técnica de inteligencia artificial conocida como red neuronal artificial (ANN), se modeló y optimizó este material. Su morfología física y composición química también se caracterizaron con FTIR y XPS, y se analizaron sus propiedades de adsorción. Para modelar el proceso de adsorción, se utilizaron tres parámetros principales: la concentración de quitosano-resole-pectina (45-75%), el tratamiento térmico (6-36 h) y concentraciones conocidas de azul de metileno (25-50 y 100 mg/L), establecidas en el diseño de Box-Behnken. La ANN se acopló con el algoritmo metaheurístico de optimización de lobo gris mejorado (IWGO), logrando un coeficiente de correlación de R = 0.99. La caracterización indica que la superficie de los aerogeles era micro y mesoporosa, el resole proporcionó estabilidad física y la base de polisacáridos entregó los grupos funcionales necesarios para la adsorción de colorantes; los aerogeles fueron adsorbentes de colorantes exitosos con un valor de 12.44 mg/g. Finalmente, la sorción física y química fue verificable con una adsorción que siguió la cinética de pseudo-segundo orden. La adsorción de MB claramente ocurría a través del intercambio catiónico y la unión de hidrógeno, como se observó en la composición química. La ANN con el optimizador de lobo gris se utilizó para la predicción de los mejores parámetros operativos para la eliminación de MB, aplicando las siguientes condiciones: la concentración del aerogel CS-R-P (52/30/18), el tratamiento térmico (9.12 h) y la concentración inicial de azul de metileno (37 mg/L), logrando una eliminación del 94.6%. Estas conclusiones sugieren que el uso de inteligencia artificial como una ANN puede proporcionar un modelo eficiente y práctico para maximizar la acción de eliminación de nuevos aerogeles basados en quitosano.