排序方式: 共有2条查询结果,搜索用时 46 毫秒
1
1.
以厌氧颗粒污泥制备了颗粒污泥炭,并用酸进行改性,研究其在异相类芬顿体系中降解左氧氟沙星(LEVO)效能.无机酸改性颗粒污泥炭(GSC-H3PO4、GSC-H2SO4和GSC-HCl)和未改性颗粒污泥炭(GSC-0)的吸附作用均低于5%,而颗粒污泥(GS)和草酸改性颗粒污泥炭(GSC-H2C2O4)的吸附去除率约为20%.待吸附平衡后,进行异相类芬顿反应,催化剂对LEVO和总有机碳(TOC)的去除率顺序为:GSC-H3PO4 > GSC-H2SO4 > GSC-HCl > GSC-H2C2O4,远高于GSC-0、GS和未加催化剂的反应.GSC-H3PO4表面铁含量高达12.73%,能催化产生更多的·OH,有利于有机污染物的降解.GSC-H3PO4对LEVO和TOC的去除率分别高达98.5%和51.9%,重复使用5次后,催化剂上铁的溶出率低于0.8%,仍保持较高的催化效率.通过三维荧光光谱分析和中间产物检测,提出一种LEVO降解途径.此外,GSC-H3PO4催化剂还能有效处理医院废水. 相似文献
2.
将人工智能应用于催化臭氧氧化催化剂SrFexZr1-xO3的开发过程,采用共沉淀法制备了50种不同配方的催化剂,考察聚乙二醇(PEG)投加量、煅烧时间、老化时间、氨水投加量和铁掺杂量对SrFexZr1-xO3催化剂催化臭氧降解间甲酚反应活性的影响.同时,利用人工神经网络(ANN)和响应面(RSM)对催化剂合成条件与TOC去除率和间甲酚转化率的关系进行拟合,训练集中ANN的R2值分别为0.91和0.97,高于RSM的R2值0.35和0.41;在4组测试集上ANN的均方误差(MSE)分别为9.87和17.67,远小于RSM的23.89和28.87.结果表明,ANN模型对催化剂制备过程的复杂体系具有更好的拟合和泛化能力.在ANN训练好的模型中通过枚举法寻找最优合成条件为:PEG投加量为19.00%,煅烧时间为1.25 h,老化时间为26.50 h,氨水投加量为6.21 mL,铁掺杂量为3.37%,所得催化剂为SrFe0.13Zr0.87O3-B.最佳反应条件下,间甲酚转化率和TOC去除率分别达到98.52%和17.21%,优于空白组的73.46%和1.86%. 相似文献
1