文献

J-GLOBAL ID：202102285452240180   整理番号：21A2386085

ビール工場排水支援酸性鉱山排水処理の最適化 応答曲面法と人工ニューラルネットワーク【JST・京大機械翻訳】

Optimising Brewery-Wastewater-Supported Acid Mine Drainage Treatment vis-a-vis Response Surface Methodology and Artificial Neural Network

著者 (5件)： Akinpelu Enoch A. (Bioresource Engineering Research Group (BioERG), Cape Peninsula University of Technology, P.O. Box 652, Cape Town 8000, South Africa) ,  Ntwampe Seteno K. O. (Water Pollution Monitoring and Remediation Initiatives Research Group, School of Chemical and Minerals Engineering, North-West University, P. Bag X60001, Potchefstroom 2520, South Africa) ,  Taiwo Abiola E. (Department of Chemical Engineering, College of Engineering, Landmark University, PMB 1001, Omu Aran 240243, Nigeria) ,  Nchu Felix (Bioresource Engineering Research Group (BioERG), Cape Peninsula University of Technology, P.O. Box 652, Cape Town 8000, South Africa) ,  Nchu Felix (Department of Horticultural Sciences, Bellville Campus, Cape Peninsula University of Technology, Symphony Way, PO Box 1906, Bellville 7535, South Africa)
資料名： Processes (Web)  (Processes (Web))
巻： 8  号： 11  ページ： 1485  発行年： 2020年 
JST資料番号： U7264A  ISSN： 2227-9717  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究では,酸性鉱山排水(AMD)における硫酸塩還元の最適化のためのポストゲート培地における一次炭素源として醸造廃水(BW)の使用を検討した。結果は,硫酸塩還元細菌(SRB)コンソーシアムが硫酸塩還元のためにBWを利用できることを示した。硫酸塩還元に対して見出された応答曲面法(RSM)/Box Behnken設計最適条件は,6.99のpH,2.87のCOD/SO42および200.24mg/LのBW濃度であり,予測硫酸塩還元は91.58%であった。さらに,人工ニューラルネットワーク(ANN)を用いて,伝達関数として増分バックプロパゲーションネットワークと双曲線正接との多層完全フィードフォワード(MFFF)接続は,硫酸塩還元のための最良の予測モデルを与えた。ANN最適条件はpH6.99,COD/SO420.50,BW濃度20.31mg/Lで,予測硫酸塩還元は89.56%であった。決定係数(R2)と絶対平均偏差(AAD)はそれぞれRSMと0.99と0.011のANNで0.97と0.046と見積もられた。その結果,ANNはRSMより良好な予測因子であった。本研究は,ポストゲート培地における精製炭素源を補給しないBWの排他的使用が実現可能であり,南アフリカ環境における生物学的硫酸塩還元の経済的持続可能性,あるいは重要な醸造活動とAMD課題を持つ半乾燥国における経済的持続可能性を確実にすることを明らかにした。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  伝達関数 ,  廃水 ,  *排水 ,  *ニューラルネットワーク ,  フィードフォワード ,  醸造 ,  硫酸還元菌 ,  *ビール工場 ,  *応答曲面法 ,  予測モデル
準シソーラス用語： 持続可能性 ,  炭素源 ,  設計最適化 ,  硫酸塩還元 , 【Automatic Indexing@JST】

著者キーワード (6件)： 酸性鉱山排水 ,  人工ニューラルネットワーク ,  醸造廃水 ,  応答曲面法 ,  硫酸塩還元 ,  最適化

分類 (2件)： 排水処理  (UA03042P) ,  下水,廃水の生物学的処理  (SC03060H)

引用文献 (39件)：

• SAB. South African Breweries Heritage 2020. Available online: http://www.sab.co.za/heritage (accessed on 30 July 2020).
• Seluy, L.G.; Isla, M.A. A process to treat high-strength brewery wastewater via ethanol recovery and vinasse fermentation. Ind. Eng. Chem. Res. 2014, 53, 17043-17050.
• Ma, L.; Liang, J.; Liu, Y.; Zhang, Y.; Ma, P.; Pan, Z.; Jiang, W. Production of a bioflocculant from Enterobacter sp. P3 using brewery wastewater as substrate and its application in fracturing flowback water treatment. Environ. Sci. Pollut. Res. 2020, 27, 18242-18253.
• Hultberg, M.; Bodin, H. Fungi-based treatment of brewery wastewater-Biomass production and nutrient reduction. Appl. Microbiol. Biotechnol. 2017, 101, 4791-4798.
• Nassary, E.K.; Nasolwa, E.R. Unravelling disposal benefits derived from underutilized brewing spent products in Tanzania. J. Environ. Manag. 2019, 242, 430-439.

タイトルに関連する用語 (7件)： ビール ,  工場排水 ,  支援 ,  酸性鉱山排水 ,  最適化 ,  応答曲面法 ,  人工ニューラルネットワーク