纺织染料未经处理排放到环境中,导致全球水污染水平显著增加。由于连续添加有毒的有机染料,必要的战略模型所需的完全降解染料在纺织废水。本文认为生物的可能性银和铁纳米粒子的合成及其在光催化降解。硝酸银溶液的直接变化发生后观察到从无色到棕色的水叶提取物,表明连续减少Ag) +离子Ag)纳米颗粒。这些形成Ag纳米粒子受到研究太阳辐射下的光催化活性对甲基橙的降解。绿色合成Ag纳米粒子被发现之间的成功95%降解甲基橙比最初的曝光时间70小时。甲基橙的吸光度测量在465海里。本文重点是部分染料在纺织废水降解的数学模型使用Caputo-Fabrizio分数导数没有单一的内核。拉普拉斯变换的迭代方法获得吸收输运方程的解析解。获得的实验结果显示显著去除纺织废水染料的使用建模的结果进行比较。 The innovative approach is in outstanding agreement with the findings of the experiment. The mathematical modelling for the dye removal process helps to design suitable environmental management studies to reduce the adverse effect caused by toxic wastewater. Model validation has been shown by comparing analytical simulated solutions with experimental results for photocatalytic degradation using silver and iron nanoparticles as eco-friendly and low-cost agents.
芬顿氧化反应相似,铁纳米颗粒是准备使用硫酸亚铁作为前体,和1毫升的胶体铁纳米颗粒以及1毫升的3%<我nline-formula>
H
2
O
2
添加到9毫升50 ppm甲基橙在试管中。五个复制每个样本的准备。一个新的空白(控制)也包括在每一轮的染料降解,包含相同的染料和体积<我nline-formula>
H
2
O
2
但是没有取代胶体纳米颗粒胶体水。使用紫外可见分光光度计测量浓度。染料降解的百分比是使用前面的公式计算染料溶液的初始浓度和染料溶液的浓度存在光催化降解后(图
5)。
输运方程由于Doulati Ardejani et al。
17]给出了吸收过程
(1)
R
∂
C
d
t
=
−
K
年代
ρ
d
,
在哪里
C:溶液的浓度
年代:表面吸收的数量质量
R:障碍因素
K:延迟常数
ρ
d:介质的体积密度
之间的关系<我nline-formula>
C
和<我nline-formula>
年代
由于朗缪尔等温线(
18是作为
(2)
年代
=
问
0
K
l
C
1
+
K
l
C
,
在哪里
问
0:最大的吸收能力
K
l:朗缪尔常数
使用(
1)和(
2),我们有
(3)
R
∂
C
d
t
=
−
K
K
l
问
0
ρ
d
C
1
+
K
l
C
,
与<我nline-formula>
C
0
=
C
0
。
让<我nline-formula>
l
一个
,
b
=
f
:
f
∈
l
2
一个
,
b
和
f
′
∈
l
2
一个
,
b
,在那里<我nline-formula>
l
2
一个
,
b
精确性功能区间的空间吗<我nline-formula>
一个
,
b
。此外,<我nline-formula>
H
0
,
b
=
f
:
f
∈
l
2
0
,
b
和
f
′
∈
l
2
0
,
b
,<我nline-formula>
b
>
0
。
定义1。
让<我nline-formula>
0
<
α
<
1
;部分Caputo-Fabrizio [
19,
20.导数的阶<我nline-formula>
α
为一个函数<我nline-formula>
f
t
∈
H
0
,
b
与<我nline-formula>
b
>
0
是由
(4)
D
CF
t
α
f
t
=
2
−
α
米
α
2
1
−
α
∫
0
t
f
′
x
经验值
−
α
1
−
α
t
−
x
d
x
,
t
≥
0
,
在哪里<我nline-formula>
米
α
是归一化函数。
定义2。
让<我nline-formula>
0
<
α
<
1
;的分数积分次序<我nline-formula>
α
为一个函数<我nline-formula>
f
被定义为
(5)
J
CF
α
f
t
=
2
1
−
α
2
−
α
米
α
f
t
+
2
α
2
−
α
米
α
∫
0
t
f
x
d
x
,
t
≥
0。
Caputo-Fabrizio运营商的优势在经典卡普托是没有奇点<我nline-formula>
t
=
年代
。
定义3。
由于卡普托和毛罗。(
19的拉普拉斯变换),Caputo-Fabrizio分数导数算子<我nline-formula>
0
<
α
≤
1
,<我nline-formula>
米
∈
ℕ
的话,是
(8)
l
D
CF
t
米
+
α
f
t
年代
=
1
1
−
α
l
f
米
+
1
t
l
经验值
−
α
1
−
α
t
=
年代
米
+
1
l
f
t
−
年代
米
f
0
−
年代
米
−
1
f
′
0
+
⋯
+
f
米
0
年代
+
α
1
−
年代
。
如果<我nline-formula>
米
=
0
,我们得到
(9)
l
D
CF
t
α
f
t
年代
=
年代
l
f
t
年代
+
α
1
−
年代
。
的分数形式方程(
3)给出
(10)
D
CF
t
α
C
+
K
K
l
问
0
ρ
d
C
R
1
+
K
l
C
=
0。
4所示。迭代的拉普拉斯变换
非齐次Caputo-Fabrizio分数微分方程给出
(11)
D
CF
t
米
+
α
f
x
,
t
=
u
x
,
t
+
ϕ
f
x
,
t
+
ψ
f
x
,
t
,
米
−
1
<
α
≤
米
,
米
∈
ℕ
,
用给定的条件
(12)
D
t
K
x
,
0
=
θ
K
x
,
K
=
0、1、2
,
…
,
米
−
1
,
在哪里<我nline-formula>
u
x
,
t
是一种已知的术语,<我nline-formula>
ϕ
是线性算子,<我nline-formula>
ψ
是非线性算子。
应用拉普拉斯变换(
8两边)方程(
11)的收益率
(13)
l
f
x
,
t
=
λ
x
,
年代
+
年代
+
α
1
−
年代
年代
n
+
1
l
ϕ
f
x
,
t
+
ψ
f
x
,
t
,
在哪里
(14)
λ
x
,
年代
=
1
年代
n
+
1
年代
n
θ
0
x
+
年代
n
−
1
θ
1
x
+
⋯
+
θ
n
x
+
年代
+
α
1
−
年代
年代
n
+
1
u
¯
x
,
年代
,
f
x
,
t
=
λ
x
,
t
+
l
−
1
年代
+
α
1
−
年代
年代
n
+
1
l
ϕ
f
x
,
t
+
ψ
f
x
,
t
。
现在,应用新的迭代法(
21收益率的解决方案作为一个无穷级数:
(15)
f
x
,
t
=
∑
j
=
0
∞
f
j
x
,
t
。
在这里,线性函数<我nline-formula>
ϕ
给药
(16)
ϕ
∑
j
=
0
∞
f
j
x
,
t
=
∑
j
=
0
∞
ϕ
f
j
x
,
t
。
此外,非线性<我nline-formula>
ψ
分解为
(17)
ψ
∑
j
=
0
∞
f
j
x
,
t
=
ψ
f
0
x
,
t
+
∑
j
=
1
∞
ψ
∑
我
=
0
j
f
我
x
,
t
−
ψ
∑
我
=
0
j
−
1
f
我
x
,
t
。
针对方程(
15)- (
17),方程(
14)等价于
(18)
∑
j
=
0
∞
f
j
x
,
t
=
λ
x
,
t
+
l
−
1
年代
+
α
1
−
年代
年代
n
+
1
l
∑
j
=
0
∞
ϕ
f
j
x
,
t
+
l
−
1
年代
+
α
1
−
年代
年代
n
+
1
l
ψ
f
0
x
,
t
+
∑
j
=
1
∞
ψ
∑
我
=
0
j
f
我
x
,
t
−
ψ
∑
我
=
0
j
−
1
f
我
x
,
t
。
给出了递推关系
(19)
f
0
x
,
t
=
λ
x
,
t
,
f
1
x
,
t
=
l
−
1
年代
+
α
1
−
年代
年代
n
+
1
l
ϕ
f
0
x
,
t
+
ψ
f
0
x
,
t
,
f
p
+
1
x
,
t
=
l
−
1
年代
+
α
1
−
年代
年代
n
+
1
l
ϕ
f
r
x
,
t
+
ψ
∑
我
=
0
p
f
我
x
,
t
−
ψ
∑
我
=
0
p
−
1
f
我
x
,
t
。
的<我t一个lic>
p术语给出近似解
(20)
f
=
f
0
+
f
1
+
f
2
+
⋯
+
f
p
−
1
。
从方程(
10),分数阶输运方程给出了吸收过程
(21)
D
CF
t
α
C
+
K
K
l
问
0
ρ
d
C
R
1
+
K
l
C
=
0
,
与<我nline-formula>
C
0
=
c
0
e
−
β
t
,<我nline-formula>
β
是一个常数,取决于染料初始浓度。
在第二个任期内的近似解给出
(22)
C
t
=
c
0
e
−
β
t
−
P
c
0
λ
1
−
α
1
+
e
β
t
λ
−
1
+
2
α
t
+
2
α
β
日志
e
λ
+
1
λ
+
e
β
t
,
在哪里
(23)
λ
=
c
0
K
l
,
P
=
K
K
l
问
0
ρ
d
R
,
e
β
t
λ
<
1。
图
6给出仿真结果的解决方案(
22),参数<我nline-formula>
问
0
=
10.718
,<我nline-formula>
K
l
=
0.308
,<我nline-formula>
R
2
=
0.9762
,<我nline-formula>
K
=
0.1
,<我nline-formula>
R
=
0.4035
×
10
20.
,<我nline-formula>
ρ
d
=
0.001
,<我nline-formula>
c
0
=
1.7
×
10
4
。