Yenilikci değişken aktif çamur sistemlerinde manyetik nanoparcacıklar kullanarak ağır metal temizlenmesi için tasarım parametrelerinin belirlenmesinde benzetim ve optimizasyon algoritmaları

Abstract

Atık sularda bulunan ağır metaller arıtma tesislerinin performansını düşürdüğü gibi temizlenmediğinde insan ve çevre sağlığına etki etmektedir. Ağır metalleri atık sulardan temizlemek için gerekli olan en uygun koşulları ve etkilerini inceleyebilmek için sunulan bu tez iki ana bölümden oluşmaktadır. İlk kısımda son yıllarda çokca uygulama alanı bulan 'yapay sinir ağları' (ANN) metoduyla literatürde yer almayan bir modelleme tekniği ilk kez önerilmiştir. Bu yöntem ile basit çıktılardan elde edilen öngörüler karşılaştırılmış ve bu değerler yüzey tutulumu sürecinde hata göstergesi olarak kullanılmıştır. Model geliştirmek için manyetik nanoparçacıklar ile atık sulardan ağır metallerin temizlenmesi ile ilgili araştırmaları içeren üç örnek literatür çalışmasından veriler seçilmiştir. Elde edilen sonuçlar deneysel ve ANN yöntemiyle elde edilen verilerin birbiriyle oldukça uyumlu olduğunu göstermiştir. Çalışmanın ikinci kısmında ise geleneksel ve alternatif aktif çamur sistemlerinde heterotrofik ve ototrofik biyokütlelerin oksijenli ve oksijensiz ortamda büyümeleri üzerinde bakır metalinin etkisinin incelenebilmesi amacıyla MATLAB kullanılarak bir benzetim algoritması geliştirilmiştir. Sonuçlar bakır metali varlığının hem nitratlama hem de nitratsızlaştırma üzerinde engelleyici bir etkiye sahip olduğunu göstermiştir. Buna bağlı olarak bakırın alternatif aktif çamur sistemlerinde azot giderme işlevinde negatif bir etkisi olduğu saptanmıştır. Sonuç olarak; önerilen ANN modelinin atık suların biyolojik arıtımı öncesinde ağır metallerin manyetik nanoparçacıklar ile ayrıştırılmasında kullanılabilecek bir araç olabileceği anlaşılmıştır. Ayrıca, ASM3 modeli endüstriyel arıtma tesislerinden beslenen aktif çamur sistemlerinin işlevlerini önceden tahmin edebileceği ve değerlendirebileceği gösterilmiştir. Bununla birlikte önerilen model, seçilen endüstriyel alanın karakteristiklerine bağlı olarak bazı önemli parametrelerin etkilerini uyumlandırarak geliştirilebilir.

Heavy metals in wastewater influence the performance of the treatment plant and if they are not removed, impact the environment and the human health. In order to understand the optimal conditions of the removal and the effect of heavy metals on the wastewater treatment plant, this thesis is presented in two parts. In the first part, a unique modeling technique is proposed using the most recent approach involving the application of ANNs (artificial neural networks). In this way, we compare the predictions obtained with the empirical outcomes and use them as an error predictor in adsorption process. To develop the model, the experimental data extracted from three case studies in the literature has been used on the removal of heavy metals from wastewater by magnetic nanoparticles. The findings reveal that the experimental results and the predicted ones using ANN are highly compatible with each other. In the second part of this study, a simulation algorithm is developed using MATLAB to detect copper (Cu) influence on the aerobic and anoxic growth of heterotrophic and autotrophic biomass in conventional and alternating activated sludge systems. The results indicate that presence of Cu inhibits nitrification and denitrification and, hence, it has a negative effect on the nitrogen removal process in alternating systems. Overall, the following outcomes are reached. The proposed ANN model can be used as a tool for the removal of heavy metals by magnetic nanoparticles before biological treatment of waste water. ASM3 can predict and evaluate the operation of an activated sludge system that receives the effluent from an industrial plant. However, this is only under the condition that the model is improved in order to accommodate the effects of important parameters subject to and depending on the characteristics of the specific industry.