مقایسه مدل حاصل از رگرسیون و مدل کینتیکی اصلاح شده مونود در پیش بینی راندمان حذف فرمالدوئید در بیوفیلتر چکنده

چکیدهمقدمه: فرمالدوئید یکی از ترکیبات آلاینده سمی، جهش زا و احتمالاً سرطانزا می باشد که از صنایع مختلف دنیا به میزان زیاد به هوا تخلیه می گردد. هدف اصلی از این مطالعه بررسی پارامترهای کینتیکی یک بیوفیلتر چکنده و در کنار آن ارائه مدلی ساده رگرسیونی می باشد.روش بررسی: در این مطالعه با کمک داده های حاصل از یک بیوفیلتر صافی چکنده در مقیاس آزمایشگاهی که در حذف بخار فرمالدوئید از هوا مورد استفاده قرار گرفته بود جهت تعیین ضرایب کینتیکی km و rmax اقدام گردید. همچنین به کمک این داده ها یک مدل رگرسیونی ساده نیز محاسبه شد.یافته ها: در نهایت با کمک این معادلات نسبت به پیش بینی راندمان سیستم در غلظت های مختلف ورودی به بیوفیلتر اقدام گردید و داده های حاصل با اندازه گیری های واقعی در پایلوت مورد مقایسه قرار گرفت. نتیجه گیری: نتایج حاصل از این مطالعه مشخص نمود که مدل رگرسیونی از دقت بالایی بر خوردار است لیکن فقط قادر به پیش بینی متوسط راندمان بیوفیلتر در حذف بخار فرمالدوئید بود. ولیکن مدل کینتیکی دارای مقداری خطا در پیش بینی ها بود لیکن نتایج این مدل اتطباق زیادی با نتایج ورودی داشته و تقریباً فراز و فرودهای دوره راهبری سیستم را پیش بینی نمود.

Comparison of Regression Model and Modified Monod kinetic Model to Predict the Removal of Formaldehyde in Trickling Biofilter

AbstractIntroduction: Formaldehyde is a toxic, mutagen and probably carcinogen compound that can be released to air by world different industries. The present study aimed to investigate the kinetic parameters of a trickling biofilter as well as to present a simple regression model.Methods: The data of previous studies on formaldehyde vapor removal by biotrickling filter in a laboratory scale was used to determine rmax and Km. Moreover, the data were applied to develop a simple regression model.Results: Formaldehyde removal efficiency in different input concentrations was predicted by both regression and kinetic models. All results were compared with actual data in the pilot study.Conclusion: The results of the present study revealed that although regression model has a high precision, it only could predict the mean of biofilter efficiency in formaldehyde removal. Kinetic model demonstrated some extent of error in predicting, though it has a good alignment with the actual data, and thus, the results of this model can approximately predict ups and downs of system navigation.