Elektrooksidasyon prosesi ile ilaç endüstrisi atık sularından farmasötik mikro kirleticilerin gideriminin yapay sinir ağı yaklaşımıyla modellenmesi

Abstract

Farmasötik mikro kirleticilerin, düşük konsantrasyonda dahi çevre üzerinde olumsuz baskıları vardır. Bu baskılar çevreyi ciddi anlamda tehdit eder duruma gelmiştir. Mikro kirleticilerin gideriminde, alternatif artırma prosesleri arayışı gündeme gelmiştir. Elektro-oksidasyon yöntemi, arıtma maliyetini ve sistem boyutunu önemli ölçüde azalttığından arıtım konusunda ileri çıkmaktadır. Ancak laboratuvar ölçekli yapılan çalışmaların, ilaç endüstrisinin atık sularındaki davranış biçiminin konvansiyonel modelleme teknikleri ile anlaşılabilmesi pek mümkün değildir. Bu çalışmada, beş farklı kanser ilaç etken maddesi için farklı zamanlarda, akım yoğunluklarında, pH'larda, elektrolit konsantrasyonlarında, düzenekler hazırlanılıp elektrooksidasyon arıtma yöntemi uygulanmıştır ve atık suların içindeki mikro kirleticilerin giderim oranı incelenmiştir. Yapılan deneylerdeki tüm veriler yapay sinir ağı yaklaşımıyla modellenip, sonuçlar incelenmiştir. Bu sonuçlar doğrultusunda ilaç endüstrisi atık sularında bulunan etken maddelerin giderimi hakkında yorum yapılabileceği anlaşılmıştır

Pharmaceutical micro-pollutants have negative environmental impacts even at low concentrations. These pressures have become a serious threat to the environment. In the elimination of micro-pollutants, the search for alternative treatment processes has come to an end. The electrooxidation method is advancing in the field of purification also it reduces the cost of purification and system size considerably. However, it is unlikely that laboratory-scale studies will understand the behavior of the pharmaceutical industry in wastewater by conventional modeling techniques. In this study, electro-oxidation treatment method was applied to five different cancer drug substances at different times, current densities, pHs, electrolyte concentrations, and the removal rate of the micro contaminants in wastewater was investigated in the laboratory environment. All data in the experiments were modeled with artificial neural network approach and the results were examined. As a result of these results, it has been understood that comments on the treatments of the active substances in the pharmaceutical wastewater can be made.