CN112435717A - 一种活性炭对挥发性有机物吸附容量的预测方法 - Google Patents
一种活性炭对挥发性有机物吸附容量的预测方法 Download PDFInfo
- Publication number
- CN112435717A CN112435717A CN202011195263.4A CN202011195263A CN112435717A CN 112435717 A CN112435717 A CN 112435717A CN 202011195263 A CN202011195263 A CN 202011195263A CN 112435717 A CN112435717 A CN 112435717A
- Authority
- CN
- China
- Prior art keywords
- adsorption
- activated carbon
- adsorption capacity
- vocs
- physical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D53/00—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols
- B01D53/02—Separation of gases or vapours; Recovering vapours of volatile solvents from gases; Chemical or biological purification of waste gases, e.g. engine exhaust gases, smoke, fumes, flue gases, aerosols by adsorption, e.g. preparative gas chromatography
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/90—Programming languages; Computing architectures; Database systems; Data warehousing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2253/00—Adsorbents used in seperation treatment of gases and vapours
- B01D2253/10—Inorganic adsorbents
- B01D2253/102—Carbon
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01D—SEPARATION
- B01D2257/00—Components to be removed
- B01D2257/70—Organic compounds not provided for in groups B01D2257/00 - B01D2257/602
- B01D2257/708—Volatile organic compounds V.O.C.'s
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Crystallography & Structural Chemistry (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Analytical Chemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Solid-Sorbent Or Filter-Aiding Compositions (AREA)
Abstract
本发明公开了一种活性炭对挥发性有机物吸附容量的预测方法。基于若干组VOCs在活性炭上的吸附数据。通过对单一特性与吸附容量进行线性拟合后,从VOCs理化特质、活性炭理化特性和吸附条件中各筛选出2种对吸附容量影响较大的某些性质或吸附条件,并获得了其对吸附容量的影响因子计算方法;分别定义了以VOCs理化特性、活性炭理化特性和吸附条件为变量的吸附容量。在此基础上建立了以VOCs总理化特性影响因子、活性炭总理化特性影响因子和总吸附条件影响因子与所预测活性炭吸附容量的关联式,利用此方法可以对VOCs在活性炭上的吸附容量进行预测。本方法操作简单、准确性高、应用范围广,在预测VOCs吸附容量方面具有明显的优势。
Description
技术领域
本发明涉及工业废气治理领域,具体涉及了一种活性炭对挥发性有机物吸附容量的预测方法。
技术背景
挥发性有机物(VOCs)已成为继SO2、NOx后又一重要的大气污染物,主要来源于石化行业、医药行业、电力行业、喷涂行业等,其排放量逐年增加。VOCs具有较高的毒性和致癌性,不仅对生态环境产生破坏(形成光化学烟雾、臭氧等),而且严重威胁到人体健康(引发恶心、头疼、肺癌等)。当前VOCs的治理方法主要包括吸附、吸收、膜分离、催化氧化、生物降解、热氧化、等离子催化等。在多种治理方法中,吸附法因操作成本低、易控制,吸附剂和VOCs可以被重复利用和回收等优势而被广泛应用于工业废气治理。在吸附剂选择方面,活性炭制备原料来源广泛、廉价、孔结构丰富成为最有应用潜力的吸附剂。在吸附过程中VOCs吸附容量是评价吸附材料吸附性能的首要指标,也是工业应用中活性炭选择、吸附床设计的重要参考依据。众多学者已经对VOCs在活性炭上的吸附行为进行了研究,发现VOCs的吸附以物理吸附为主,吸附容量与活性炭的理化特性(比表面积、总孔体积、含氧量)、VOCs理化特性(分子量、沸点、极性)以及吸附条件(温度、湿度、VOCs浓度)三大因素有关。目前很多研究主要围绕研发高选择性、高吸附容量的多孔材料,而关于活性炭对VOCs吸附容量的预测方面的研究较少,而且考虑的影响因素也较少,仅仅考虑了VOCs理化特性或者吸附材料理化特性,准确性低,应用范围存在较大的局限性。
发明内容
为了弥补现有活性炭对VOCs吸附容量预测方法的短缺及不足,本发明提供一种计算量少、应用范围广、准确性高的VOCs吸附容量预测方法,减少了实验工作量,节约了成本,提高了操作效率。
本发明是通过以下技术方案实现的:
为实现上述目的,本发明提供了一种活性炭对挥发性有机物吸附容量的预测方法,包括以下步骤:
(1)依据所要预测的VOCs种类、预测活性炭的理化特性和预测的吸附条件,收集至少3组活性炭对对同类VOCs的吸附数据,吸附数据包括VOCs的吸附量、VOCs理化特性、活性炭理化特性和吸附条件,VOCs理化特性包括沸点、分子量和极性,活性炭理化特性包括比表面积、总孔体积和表面含氧量,吸附条件包括吸附温度、VOCs浓度和相对湿度,所收集的吸附数据中的活性炭理化特性与所要预测的活性炭理化特性的差异≤±5%、吸附条件与预测的吸附条件的差异≤±5%、VOCs与所要预测的VOCs属于同一类;采用最小二乘法分别进行活性炭吸附容量与分子量、沸点和极性的线性拟合;根据线性关系,筛选出2种对吸附容量影响较大的VOCs理化特性;获得这2种VOCs理化特性对吸附容量的影响因子:a1和a2;
(2)根据(1)中所筛选出的2种理化特性及其与吸附容量的线性拟合关系,将所要预测的VOCs所对应的两种理化特性分别代入线性拟合关系的关系式,获得两种理化特性所对应的吸附容量:F1和F2;定义以VOCs理化特性为变量的活性炭吸附容量F,其关联式为F=a1F1+a2F2;
(3)收集至少3组不同理化性质的活性炭对所要预测VOC的吸附数据,吸附数据包括了活性炭吸附容量、活性炭理化性质和吸附条件,活性炭理化性质包括比表面积、总孔体积和表面含氧量,吸附条件包括吸附温度、VOCs浓度和相对湿度,所收集的吸收数据中的吸附条件与所预测的吸附条件的差异≤±5%、活性炭理化特性与所预测的活性炭理化特性的差异≤±50%;采用最小二乘法分别进行活性炭吸附容量与比表面积、总孔体积和表面含氧量的线性拟合,根据线性关系,筛选出2种对吸附容量影响较大的活性炭理化特性,获得这2种活性炭理化性质对吸附容量的影响因子b1和b2;
(4)根据(3)中所筛选出的2种活性炭理化特性及其与吸附容量线性拟合关系,将所要预测活性炭所对应的两种理化特性分别代入线性拟合关系的关系式,获得两种理化特性所对应的吸附容量,M1和M2;定义以活性炭理化特性为变量的活性炭吸附容量M,其关联式为M=b1M1+b2M2;
(5)收集至少3组在不同吸附条件下活性炭对所要预测VOCs的吸附数据,吸附数据包括VOCs的吸附量、活性炭理化特性和吸附条件,活性炭理化特性包括比表面积、总孔体积、表面含氧量,吸附条件包括吸附温度、VOCs浓度和相对湿度,所收集的吸附数据中的活性炭理化特性与所预测的活性炭理化特性的差异≤±5%、吸附条件与所预测吸附条件的差异≤±50%;采用最小二乘法分别进行活性炭吸附容量与吸附温度、VOCs浓度和相对湿度的线性拟合,根据线性关系,筛选出2种对吸附容量影响较大的吸附条件,获得这两种吸附条件对吸附容量的影响因子,c1和c2;
(6)根据(5)中所筛选出的2种吸附条件及其与吸附容量线性拟合关系,将所要预测的吸附条件分别代入线性拟合关系的关系式,获得两种吸附条件所对应的吸附容量,N1和N2;定义以吸附条件为变量的活性炭吸附容量N,其关联式为N=c1N1+c2N2;
(7)建立最终活性炭在一定吸附条件下对VOCs吸附容量的预测关联式:
Q=aF+bM+cN
其中,Q为吸附容量;a、b、c分别为VOCs总理化性质影响因子、活性炭总理化性质影响因子和总吸附条件影响因子。
进一步,所述所要预测的VOCs为醇类、烷烃类、酮类、烯烃、卤化物、芳香烃类或醛类有机物。
进一步,步骤(1)中以VOCs理化性质为横坐标,吸附容量作为纵坐标,采用最小二乘法进行线性拟合,根据线性相关系数的大小筛选出对吸附容量影响较大的2种VOCs理化特性,线性相关系数分别标记为r1和r2;其对吸附容量的影响因子分别按以下公式计算:
进一步,步骤(3)中分别以活性炭理化特性为横坐标,吸附容量作为纵坐标,采用最小二乘法进行线性拟合,根据线性相关系数的大小筛选出对吸附容量影响较大的2种活性炭理化特性,线性相关系数分别标记为r3和r4;其对吸附容量的影响因子分别按以下公式计算:
进一步,步骤(5)中分别以吸附条件为横坐标,吸附容量作为纵坐标,采用最小二乘法进行线性拟合,根据线性相关系数的大小筛选出对吸附容量影响较大的2种吸附条件,线性相关系数分别标记为r5和r6;其对吸附容量的影响因子分别按以下公式计算::
有益效果:
(1)本发明操作简单,只需收集若干组VOCs在活性炭上的吸附数据,耗时少。
(2)本发明同时考虑了影响VOCs吸附容量的三大重要因素,即VOCs理化特性、活性炭理化特性、吸附条件,具有较高的准确性。
(3)本发明适用范围广,可以对不同种类VOCs在活性炭上的吸附容量进行预测,而不需要实验去测定。
(4)本发明弥补了VOCs吸附容量预测方法的短缺和不足,不需要特殊的计算软件以及复杂的计算设计,具有明显的成本优势。
附图说明
图1为实施例1中乙醇吸附容量的真实值和预测值对比图。
图2为实施例2中甲苯吸附容量的真实值和预测值对比图。
具体实施方式
下面结合具体实施方式对本发明作详细的说明,以帮助本领域的技术人员对本发明的发明构思、技术方案有更完整和深入的理解,本发明的保护范围包括但不限于以下实施例,在不偏离本申请的精神和范围的前提下任何对本发明的技术方案的细节和形式所做出的修改均落入本发明的保护范围内。
实施例1
预测一种已发表文献中活性炭对乙醇的吸附容量;其中活性炭比表面积:766m2/g,总孔体积:0.41cm3/g,表面含氧量:8%;吸附温度:30℃,乙醇浓度:800ppm,相对湿度50%;乙醇分子量46g/mol,沸点78℃,极性:1.69D。
收集3组甲醇、乙醇、正丙醇在活性炭上的吸附数据,所选活性炭理化特性(比表面积、总孔体积、表面含氧量)与吸附条件(吸附温度、VOCs浓度、相对湿度)与所预测活性炭理化特性和吸附条件差异≤±5%,所选甲醇、乙醇、正丙醇与所要预测的乙醇属于同一类,甲醇、乙醇、正丙醇的理化特性的具体数值见表1。
分别以VOCs沸点(℃)、分子量(g/mol)、极性(D)为横坐标,吸附量(mg/g)为纵坐标,采用最小二乘法进行线性拟合,发现沸点、分子量与吸附容量的线性相关系数较大,r1=0.86,r2=0.74。两者拟合的线性方程分别为:
F1=1.95x1–36.8 (1)
F2=2.18x2+18.3 (2)
x1与x2分别为预测的VOCs(乙醇)沸点和分子量,F1和F2分别是以沸点和分子量为变量的吸附容量。由r1和r2按公式计算得到沸点和分子量对吸附容量的影响因子分别为a1=0.54、a2=0.46。将乙醇的沸点和分子量分别代入(1)和(2),得到F1=115.3mg/g,F2=118.6mg/g;以乙醇理化特性为变量的活性炭吸附容量按公式F=a1F1+a2F2计算得到F=116.8mg/g。
收集4组乙醇在活性炭上的吸附数据,其吸附条件(乙醇浓度、吸附温度、相对湿度)与所预测吸附条件差异≤±5%;活性炭理化特性(比表面积(m2/g)、总孔体积(cm3/g)、表面含氧量(%))与所预测活性炭理化特性差异≤50%,活性炭理化特性的具体数值见表1。分别以活性炭比表面积、总孔体积、表面含氧量为横坐标,吸附量为纵坐标,采用最小二乘法进行线性拟合,发现比表面积、总孔体积与吸附容量的线性相关系数较大,r3=0.72,r4=0.51。两者拟合的线性方程分别为:
M1=0.31x3–128 (3)
M2=316.5x4–66.2 (4)
x3与x4分别为活性炭比表面和总孔体积,M1和M1分别是以比表面积和总孔体积为变量的吸附容量。由r3和r4按公式计算得到表面积和总孔体积对吸附容量的影响因子分别为b1=0.59、b2=0.41。将所预测活性炭的表面积和总孔体积分别代入(3)和(4),得到M1=109.5mg/g,M2=63.6mg/g;以活性炭理化特性为变量的活性炭吸附容量按公式M=b1M1+b2M2计算得到M=90.7mg/g。
收集4组乙醇在活性炭上的吸附数据,活性炭理化特性(比表面积、总孔体积、表面含氧量)与所预测活性炭理化特性差异≤±5%。其吸附条件(乙醇浓度(ppm)、吸附温度(℃)、相对湿度(%))与所预测吸附条件差异≤±50%,吸附条件的具体数值见表1;分别以乙醇浓度、吸附温度、相对湿度为横坐标,吸附量为纵坐标,采用最小二乘法进行线性拟合,发现吸附温度与乙醇浓度与的线性相关系数较大,r5=0.40,r6=0.69。两者拟合的线性方程分别为:
N1=-3x5+231.6 (5)
N2=0.15x6+16.3 (6)
x5与x6分别为吸附温度和乙醇浓度,N1和N2分别是以吸附温度和乙醇浓度为变量的吸附容量。由r5和r6按公式计算得到吸附温度和乙醇浓度对吸附容量的影响因子分别为c1=0.37、c2=0.63。将所预测吸附温度和乙醇浓度分别代入(5)和(6),得到N1=141.6mg/g,N2=136.3mg/g;以吸附条件为变量的活性炭吸附容量按公式N=c1N1+c2N2计算得到N=138.3mg/g。
基于以上计算结果,最终活性炭在一定吸附条件下对乙醇的吸附容量预测值按以下公式计算:
Q=aF+bM+cN
得到Q=114.7mg/g
文献中记载的乙醇在活性炭上吸附容量的真实值为108.8mg/g、本方法的预测值为114.7mg/g,预测值与真实值的偏差为5.4%,小于10%。,如图1所示。由此可见本发明方法具有较高的准确性。
表1活性炭对乙醇吸附容量预测所收集数据
实施例2
预测实验室一种活性炭对甲苯的吸附容量;其中活性炭比表面积:987.1m2/g,总孔体积:0.47cm3/g,表面含氧量:7.3%;吸附温度:40℃,甲苯浓度:500ppm,相对湿度:80%;甲苯分子量:92g/mol,沸点:110.6℃。
收集3组甲苯、苯、对二甲苯在活性炭上的吸附数据,所选活性炭理化特性(比表面积、总孔体积、表面含氧量)与吸附条件(吸附温度、VOCs浓度、相对湿度)与所预测活性炭理化特性和吸附条件差异≤±5%,所选甲苯、苯、对二甲苯与所要预测的甲苯属于同一类,甲苯、苯、对二甲苯的理化特性的具体数值见表2。
分别以VOCs沸点(℃)、分子量(g/mol)、极性(D)为横坐标,吸附量(mg/g)为纵坐标,采用最小二乘法进行线性拟合,发现沸点、分子量与吸附容量的线性相关系数较大,r1=0.91,r2=0.85。两者拟合的线性方程分别为:
F1=1.4x1+36.6 (1)
F2=2.9x2–78.4 (2)
x1与x2分别为预测的VOCs(甲苯)沸点和分子量,F1和F2分别是以沸点和分子量为变量的吸附容量。沸点和分子量对吸附容量的影响因子分别为a1=0.52、a2=0.48。将甲苯的沸点和分子量分别代入(1)和(2),得到F1=191.4mg/g,F2=188.4mg/g;以甲苯理化特性为变量的活性炭吸附容量F=190.0mg/g。
收集3组甲苯在活性炭上的吸附数据,其吸附条件(甲苯浓度、吸附温度、相对湿度)与所预测吸附条件差异≤±5%;活性炭理化特性(比表面积(m2/g)、总孔体积(cm3/g)、表面含氧量(%))与所预测活性炭理化特性差异≤50%,活性炭理化特性的具体数值见表2。分别以活性炭比表面积、总孔体积、表面含氧量为横坐标,吸附量为纵坐标,采用最小二乘法进行线性拟合,发现比表面积、总孔体积与吸附容量的线性相关系数较大,r3=0.74,r4=0.98。两者拟合的线性方程分别为:
M1=0.23x3+20.4 (3)
M2=561.7x4–28.4 (4)
x3与x4分别为活性炭比表面和总孔体积,M1和M2分别是以比表面积和总孔体积为变量的吸附容量。表面积和总孔体积对吸附容量的影响因子分别为b1=0.43、b2=0.57。将所预测活性炭的表面积和总孔体积分别代入(3)和(4),得到M1=247.4mg/g,M2=235.6mg/g;以活性炭理化特性为变量的活性炭吸附容量M=240.7mg/g。
收集4组甲苯在活性炭上的吸附数据,活性炭理化特性(比表面积、总孔体积、表面含氧量)与所预测活性炭理化特性差异≤±5%。吸附条件(甲苯浓度(ppm)、吸附温度(℃)、相对湿度(%))与所预测吸附条件差异≤±50%,吸附条件的具体数值见表2;分别以甲苯浓度、吸附温度、相对湿度为横坐标,吸附量为纵坐标,以最小二乘法进行线性拟合,发现甲苯浓度与相对湿度的线性相关系数较大,r5=0.43,r6=0.85。两者拟合的线性方程分别为:
N1=0.12x5+122.4 (5)
N2=-2.29x6+360.5 (6)
x5与x6分别为甲苯浓度和相对湿度,N1和N2分别是以甲苯浓度和相对湿度为变量的吸附容量。甲苯浓度和相对湿度对吸附容量的影响因子分别为c1=0.34、c2=0.66。将所预测的甲苯浓度和相对湿度分别代入(5)和(6),得到N1=182.4mg/g,N2=177.3mg/g;以吸附条件为变量活性炭吸附容量N=179.0mg/g。
基于以上计算结果,活性炭对甲苯在特定吸附条件下的吸附容量预测值由以下公式计算:
Q=aF+bM+cN
a=0.37,b=0.36,c=0.27
Q=205.3mg/g
经试验测定甲苯在活性炭上吸附容量的为222.1mg/g,本方法预测值为205.3mg/g,真实值与预测值的偏差为7.5%,小于10%,如图2所示。由此可见本发明方法具有较高的准确性。
表2活性炭对甲苯吸附容量预测所收集数据
Claims (6)
1.一种活性炭对挥发性有机物吸附容量的预测方法,其特征在于:该方法包括以下步骤:
(1)依据所要预测的VOCs种类、预测活性炭的理化特性和预测的吸附条件,收集至少3组活性炭对对同类VOCs的吸附数据,吸附数据包括VOCs的吸附量、VOCs理化特性、活性炭理化特性和吸附条件,VOCs理化特性包括沸点、分子量和极性,活性炭理化特性包括比表面积、总孔体积和表面含氧量,吸附条件包括吸附温度、VOCs浓度和相对湿度,所收集的吸附数据中的活性炭理化特性与所要预测的活性炭理化特性的差异≤±5%、吸附条件与预测的吸附条件的差异≤±5%、VOCs与所要预测的VOCs属于同一类;采用最小二乘法分别进行活性炭吸附容量与分子量、沸点和极性的线性拟合;根据线性关系,筛选出2种对吸附容量影响较大的VOCs理化特性;获得这2种VOCs理化特性对吸附容量的影响因子:a1和a2;
(2)根据(1)中所筛选出的2种理化特性及其与吸附容量的线性拟合关系,将所要预测的VOCs所对应的两种理化特性分别代入线性拟合关系的关系式,获得两种理化特性所对应的吸附容量:F1和F2;定义以VOCs理化特性为变量的活性炭吸附容量F,其关联式为F = a1F1+ a2F2;
(3)收集至少3组不同理化性质的活性炭对所要预测VOCs的吸附数据,吸附数据包括了活性炭吸附容量、活性炭理化性质和吸附条件,活性炭理化性质包括比表面积、总孔体积和表面含氧量,吸附条件包括吸附温度、VOCs浓度和相对湿度,所收集的吸附数据中的吸附条件与所预测的吸附条件差异≤±5%、活性炭理化特性与所预测的活性炭的理化特性差异≤±50%;采用最小二乘法分别进行活性炭吸附容量与比表面积、总孔体积和表面含氧量的线性拟合,根据线性关系,筛选出2种对吸附容量影响较大的活性炭理化特性,获得这2种活性炭理化性质对吸附容量的影响因子b1和b2;
(4)根据(3)中所筛选出的2种活性炭理化特性及其与吸附容量线性拟合关系,将所要预测活性炭所对应的两种理化特性分别代入线性拟合关系的关系式,获得两种理化特性所对应的吸附容量,M1和M2;定义以活性炭理化特性为变量的活性炭吸附容量M,其关联式为M= b1M1 + b2M2;
(5)收集至少3组在不同吸附条件下活性炭对所要预测VOCs的吸附数据,吸附数据包括VOCs的吸附量、活性炭理化特性和吸附条件,活性炭理化特性包括比表面积、总孔体积、表面含氧量,吸附条件包括吸附温度、VOCs浓度和相对湿度,所收集的吸附数据中的活性炭理化特性与所预测的活性炭的理化特性差异≤±5%、吸附条件与所预测的吸附条件差异≤±50%;采用最小二乘法分别进行活性炭吸附容量与吸附温度、VOCs浓度和相对湿度的线性拟合,根据线性关系,筛选出2种对吸附容量影响较大的吸附条件,获得这两种吸附条件对吸附容量的影响因子,c1和c2;
(6)根据(5)中所筛选出的2种吸附条件及其与吸附容量线性拟合关系,将所要预测的吸附条件分别代入线性拟合关系的关系式,获得两种吸附条件所对应的吸附容量,N1和N2;定义以吸附条件为变量的活性炭吸附容量N,其关联式为N = c1N1 + c2N2;
(7)建立最终活性炭在一定吸附条件下对VOCs吸附容量的预测关联式:
Q = aF+ bM+ cN
其中,Q为吸附容量;a、b、c分别为VOC总理化性质影响因子、活性炭总理化性质影响因子和总吸附条件影响因子。
2.根据权利要求1所述的一种活性炭对挥发性有机物吸附容量的预测方法,其特征在于:所述所要预测的VOCs为醇类、烷烃类、酮类、烯烃、卤化物、芳香烃类或醛类有机物。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011195263.4A CN112435717B (zh) | 2020-10-31 | 2020-10-31 | 一种活性炭对挥发性有机物吸附容量的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011195263.4A CN112435717B (zh) | 2020-10-31 | 2020-10-31 | 一种活性炭对挥发性有机物吸附容量的预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112435717A true CN112435717A (zh) | 2021-03-02 |
CN112435717B CN112435717B (zh) | 2022-11-01 |
Family
ID=74696537
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011195263.4A Active CN112435717B (zh) | 2020-10-31 | 2020-10-31 | 一种活性炭对挥发性有机物吸附容量的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112435717B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116046631A (zh) * | 2023-01-07 | 2023-05-02 | 北京工业大学 | 一种高效评选粉末活性炭吸附有机物性能指标的方法 |
CN116593376A (zh) * | 2023-05-26 | 2023-08-15 | 中国科学院大学 | 一种基于填充式吸附的挥发性有机物吸附量预测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636628A (zh) * | 2012-04-17 | 2012-08-15 | 北京师范大学 | 一种基于土壤理化性质的诺氟沙星土水分配系数定量预测方法 |
CN107884430A (zh) * | 2017-11-10 | 2018-04-06 | 菏泽学院 | 一种预测煤等含碳物质灰熔融温度的方法 |
CN110377880A (zh) * | 2019-07-30 | 2019-10-25 | 中国科学院生态环境研究中心 | 基于回归模型的粉末活性炭吸附量的预测方法 |
-
2020
- 2020-10-31 CN CN202011195263.4A patent/CN112435717B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636628A (zh) * | 2012-04-17 | 2012-08-15 | 北京师范大学 | 一种基于土壤理化性质的诺氟沙星土水分配系数定量预测方法 |
CN107884430A (zh) * | 2017-11-10 | 2018-04-06 | 菏泽学院 | 一种预测煤等含碳物质灰熔融温度的方法 |
CN110377880A (zh) * | 2019-07-30 | 2019-10-25 | 中国科学院生态环境研究中心 | 基于回归模型的粉末活性炭吸附量的预测方法 |
Non-Patent Citations (2)
Title |
---|
王春芳等: "多种活性炭对目标有机物吸附特性影响因素的研究", 《给水排水》 * |
郑顺安等: "我国22种典型土壤对汞的吸附容量及影响因子研究", 《土壤通报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116046631A (zh) * | 2023-01-07 | 2023-05-02 | 北京工业大学 | 一种高效评选粉末活性炭吸附有机物性能指标的方法 |
CN116593376A (zh) * | 2023-05-26 | 2023-08-15 | 中国科学院大学 | 一种基于填充式吸附的挥发性有机物吸附量预测方法 |
CN116593376B (zh) * | 2023-05-26 | 2024-02-20 | 中国科学院大学 | 一种基于填充式吸附的挥发性有机物吸附量预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112435717B (zh) | 2022-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112435717B (zh) | 一种活性炭对挥发性有机物吸附容量的预测方法 | |
Li et al. | High-throughput screening of metal–organic frameworks for CO2 capture in the presence of water | |
Kennes et al. | Air pollution prevention and control: bioreactors and bioenergy | |
Khurana et al. | Adsorbent screening for postcombustion CO2 capture: a method relating equilibrium isotherm characteristics to an optimum vacuum swing adsorption process performance | |
Morales et al. | Effect of drying on biofilter performance: modeling and experimental approach | |
Anthony et al. | Feasibility of using ionic liquids for carbon dioxide capture | |
Sumer et al. | Ranking of MOF adsorbents for CO2 separations: a molecular simulation study | |
Su et al. | Density functional theory investigation of the enhanced adsorption mechanism and potential catalytic activity for formaldehyde degradation on Al-decorated C2N monolayer | |
Chen et al. | Nonthermal plasma for gaseous pollution control | |
Yang et al. | Development and field-scale optimization of a honeycomb zeolite rotor concentrator/recuperative oxidizer for the abatement of volatile organic carbons from semiconductor industry | |
Courtois et al. | H2S biofiltration using expanded schist as packing material: influence of packed bed configurations at constant EBRT | |
Babar et al. | Management and control of air emissions from electronic industries | |
Jiang | Computational screening of metal− organic frameworks for CO2 separation | |
Machniewski et al. | Effectiveness of toluene mineralization by gas-phase oxidation over Co (II)/SiO2 catalyst with ozone | |
Kim et al. | Advanced oxidation of aromatic VOCs using a pilot system with electron beam–catalyst coupling | |
Cho et al. | Electrostatic potential optimized molecular models for molecular simulations: CO, CO2, COS, H2S, N2, N2O, and SO2 | |
Liu et al. | High-Throughput Computational Screening and Machine Learning Model for Accelerated Metal–Organic Frameworks Discovery in Toluene Vapor Adsorption | |
Lakhouit et al. | Two novel biofilters to remove volatile organic compounds emitted by landfill sites | |
Liu et al. | Styrene removal with an acidic biofilter with four packing materials: Performance and fungal bioaerosol emissions | |
Hsu et al. | Determination of volatile organic profiles and photochemical potentials from chemical manufacture process vents | |
González-Cortés et al. | Effect of hydrophobic fumed silica addition on a biofilter for pentane removal using SIFT-MS | |
Agrawal et al. | Augmenting the Carbon Dioxide Uptake and Selectivity of Metal–Organic Frameworks by Metal Substitution: Molecular Simulations of LMOF-202 | |
Izquierdo et al. | No removal in the selective catalitic reduction process over Cu and Fe exchanged type Y zeolites synthesized from coal fly ash | |
Lim et al. | Volatile organic compounds (VOCs) in wastewater: Recent advances in detection and quantification | |
Wang et al. | Biofiltration of isopentane in peat and compost packed beds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |