| Summary: | En este trabajo, se investigó la remoción de ciprofloxacina en aguas sintéticas en columna de lecho fijo a escala de laboratorio y planta piloto utilizando como bioadsorbentes el bagazo de caña (BCA) y la mazorca de maíz (MZM). Se utilizó herramientas avanzadas como redes neuronales artificiales (RNAs) y software especializado para el modelado y simulación de la adsorción de ciprofloxacina (CFX) con ambos residuos agroindustriales. A escala de laboratorio la MZM presentó una capacidad de adsorción de 1,98 mg∙g-1 mientras que con BCA se obtuvo 1,28 mg∙g-1 en iguales condiciones de operación (concentración de CFX=5 mg∙L-1, caudal=7 mL∙min-1, diámetro de la columna= 2,2 cm). A escala de planta piloto (caudal=28 mL∙min-1, diámetro de la columna= 4,4 cm) la capacidad de adsorción para el BCA fue de 1,097 mg∙g-1, y para la MZM de 0,786 mg∙g-1. El modelo empírico matemático que mejor reprodujo la curva de ruptura de CFX en ambos biosorbentes y ambas escalas fue el modelo de Dosis-Respuesta. El modelado de las curvas de ruptura con redes neuronales artificiales presentó coeficientes de correlación (R2) muy altos, mediante un análisis de sensibilidad se determinó que la red creada en Tensorflow es más robusta que la red en Matlab para ambas escalas y ambos materiales biosorbentes. La simulación dinámica a escala de laboratorio para el BCA con Aspen Adsorption se generó una curva de avance con mejor ajuste a los datos experimentales que usando Comsol Multiphysics, sin embargo, usando MZM el ajuste es mayor en Comsol Multiphysics para ambas escalas.
|
|---|