بهينه سازي جذب سطحي رنگ كنگورد (CR) از محلول هاي آبي توسط دانه ريحان با استفاده از روش سطح پاسخ

وجود رنگ در منابع آبی از مشكلات زیست محیطی بسیاری از جوامع است كه باید به طریقی حذف گردد. فرآیند جذب سطحی و استفاده ازجاذبهای ارزان قیمت یكی از روشهایی است كه در سالهای اخیر توجهات زیادی را به خود جلب كرده است . مطالعه حاضر با هدف امكان كاربرد دانه ریحان به عنوان گیاه بومی استان خوزستان و ارزیابی قابلیت حذف رنگ كنگو رد انجام شد. برای این منظور آزمایشات ناپیوسته به منظور ارزیابی اثر متغیرهای مستقل شامل غلظت رنگ، pH ، مقدار جاذب و زمان تما انجام شد . میزان حذف رنگ كنگو رد از محلولهای آبی درشرایط بهینه 5 = pH ، مدت زمان 90 دقیقه، مقدار جاذب 6 / 0 گرم و غلظت 15 میلی گرم بر لیتر، برابر 27 / 93 درصد به دست آمد. برای انجام آزمایشات از روش سطح پاسخ بر مبنای طراحی مركب مركزی CCD به منظور ارزیابی اثرات متقابل این متغیرها و از آنالیز واریان ANOVA برای تجزیه و تحلیل داده ها استفاده شد . با توجه به مقادیر با ی R-Square ( 9685 / 0 ،) R-Square Adjusted ( 9410 / 0 ( و R-Square predicted ( 8554 / 0 ( در مدل سطح پاسخ میتوان گفت مدل انتخاب شده برای تحلیل داده ها مناسب میباشد . آنالیز واریان p-value كمتر از 05 / 0 نشان داد مدل Quadratic بهترین مدل برای تعیین برهمكنش متغیرهای مورد مطالعه میباشد.

There are color in the water resources that must be some how removed that environmental problems in many communities. Adsorption process and use of Azjazb cheap is one of the ways has attracted much attention in recent years. The aim of the applicability of basil seeds to as the native plant of province has performed and assess the Congo red dye was removed. For this batch experiments to evaluate the effect of independent variables included dye concentration, pH, contact time and adsorbent dosage was done. The Congo red dye removal from aqueous solutions optimal conditions pH=5 , for 90 minutes, 0.6 g adsorbent dosage and concentration of 15 milligrams per liter, equal to 93.27 percent, respectively. A total of response surface methodology based on central composite design CCD to evaluate the interactions of these variables and analysis of variance ANOVA was used to analyze the data. Due to high levels of R-Square (0.9685), R-Square Adjusted (0.9410) and R-Square predicted (0.8554) in response surface model can be said that the model chosen is suitable for data analysis. ANOVA p-value less than 0.05 showed Quadratic model is the best model for determining the interaction of variables.