بهینه‏سازی پارامترهای موثر بر انحلال میکروبی مس از کانسنگ سولفیدی کم‏عیار مجتمع مس شهر بابک

در این تحقیق، عوامل موثر بر انحلال میکروبی مس از کانسنگ سولفیدی کم‏عیار معدن مس شهربابک با طراحی آزمایش به روش سطح پاسخ ارزیابی شده است. از باکتری‏های مزوفیل اسیدی تیوباسیلوس فرواکسیدان و تیوباسیلوس تیواکسیدان استفاده شده است. غربال‏گری پارامترها به روش دوفاکتوریل صورت گرفت. بهینه‏سازی انحلال مس به روش سطح پاسخ بررسی شد. تاثیر جداگانه هر یک از پارامترها مانند نسبت جامد به مایع، درصد باکتری اسیدیتیوباسیلوس تیواکسیدان و میزان آهن دو ظرفیتی علاوه بر برهم کنش‏ آنها بر روی انحلال میکروبی مس بررسی شد. شرایط بهینه با استفاده از تحلیل آماری و تحلیل واریانس (anova) مشخص شد. نسبت جامد به مایع 7.55 گرم بر میلی‏لیتر، 80 درصد باکتری اسیدیتیوباسیلوس تیواکسیدان و میزان آهن 20 گرم بر لیتر به عنوان شرایط بهینه منجر به استحصال 99.40 درصد مس گردید. همچنین تاثیر پارامترهای انتخابی بر انحلال مس مدل‏سازی شد و متغیر درصد باکتری t.t بیشترین تاثیر را بر انحلال مس دارد. تحلیل آماری نشان داد که مدل به خوبی با نتایج تجربی مطابقت دارد.

Optimization of Effective Parameters on Copper Bioleaching from Low-Garde Sulfide Ore from Shahrbabak Copper Complex

In this paper, the effective parameters on bioleaching of copper from low grade coppersulfide ore from Shahrbabak copper complex were investigated using design of experiments. Mesophelic bacteria of A. ferrooxidans (T.f) and A. thiooxidans (T.t) were used. A twofactorial methodology was used to find the effective parameters. Response surface methodology was applied to optimize the leaching of copper. The individual effects and possible interactions of pulp density, percent of T.t bacteria and amount of Fe on the bioleaching of copper were investigated. The optimum conditions were determined using statistical analysis and analysis of variance (ANOVA). The optimum conditions for the copper recovery of 99.4% were pulp density of 7.55 g/mL, 80% of T.t bacteria and 20 g/L of Fe. Also, the most effective factor for the copper recovery was the percent of T.t bacteria. Furthermore, the statistical analysis indicates that the model fits the experimental data well.