纺织工业的废水可能含有高浓度的商业染料; 这种废物可能会影响接收水体的美学效果，并减少影响生物过程的光穿透。此外，研究表明，染料可能是有毒的水生生物和扩展使用偶氮染料已表明其中一些和它们的反应产物，如芳族胺是高度致癌[ 1，2 ]。目前，世界上许多国家都在实施染料废水指南和立法[ 3 ]。废水含有染料的染料难以处理，因为许多商业染料耐有氧消化，对光，热和氧化剂稳定。已经开发了几种物理化学和生物技术来从纺织废水中除去染料。这样的技术包括在简单的吸附过程的活性炭（AC），其他可能涉及吸附增强工艺[ 4 - 6 ]。这些技术依赖于AC，许多人将受益于AC。吸附技术的应用仍然是从废水中去除染料最通用的方法。

用于含染料废水的典型处理设备包括间歇式反应器当废水量很小时进行处理。然而，在具有大流量的废水处理设施中，所使用的典型处理过程包括初步处理（筛选），初级处理（凝结/絮凝和沉降），二级处理和三级处理过程。第二阶段通常是活性污泥处理（生物氧化），而第三阶段的重点是去除染料。在使用连续流动反应器的后续方法中，吸附剂与染料的接触时间（停留时间）通常限制在2-5小时。接触时间长于此需要更大的罐，这可能成本过高。在这种较短的接触时间下，达到吸附平衡所需的时间可能无法完全实现。从而，染料。发现大多数染料的AC吸附率，以符合伪二阶具有良好的相关性[动力学7 - 9 ]。

除了时间，以前的评论研究表明，可能影响活性炭吸附的其他因素包括pH，盐度，AC类型，染料类型和温度[ 9]。研究还表明，AC的吸附容量随着pH的增加而增加，并且在AC上吸附活性黑染料的最佳pH值是碱性的[ 8 ]。其他研究表明，酸性黄36染料的AC吸附随着pH值的增加而降低[ 10]]。pH影响的这种变化强调了染料在AC上的吸附可以是染料特异性的事实。此外，发现废水盐度（离子强度）会影响交流容量。发现离子强度增加到1M会导致活性染料在AC上的吸附增加[ 8 ]。

The size of the dye molecule will determine whether the dye will be adsorbed in the region of macropores, mesopores or micrpores of AC. According to IUPAC, pore sizes in AC can be the classified into three categories: macropores >50 nm; mesopores 2-50 nm and micropores <2 nm. The pore distribution of commercial AC activated carbon was studied extensively by many researchers and found to depend on the method of AC preparation. In general, the average pore size in AC can be between 0.25 to 1.0 nm [11-13]. The survey of chemical literature shows that the prevalent research work associated with AC adsorption has involved in situ measurements on the discharging sites and the studies in which AC adsorption isotherms are evaluated in traditional “one factor at a time” method [9,14].

在这里，我们试图更好地理解染料在五种不同因素下的交联吸附，包括染料类型，碳类型，pH值，盐度和接触时间，各自处于多个水平。本研究的新颖之处在于利用实验方法的因子设计。这是通过因子设计，方差分析（ANOVA）和多元回归分析来完成的。因子可用于评估设计因素的统计显着性。这提供了有关因素发生变化时发生的情况以及因素之间潜在相互作用的信息。当一个主要因素的影响取决于另一个因素（或多个因素）的水平时，就会发生相互作用。ANOVA的使用确保了真实效果可以与随机误差产生的效果区分开来。

物料

吸附剂：本研究中使用的活性炭由美国宾夕法尼亚州匹兹堡的CalgonCarbon公司提供。研究中使用的三种AC是Filtersorb 600-M，AP4-60和SGL 8X30。

吸附物：这两种染料是常用于商业用途的纯染料。染料结构列于表1中。

染料	结构体	大小，A0
		长度	宽度
Procion Red 308活性染料		14	16
				Procion Blue 406活性染料		21	7.5

表1：染料结构和尺寸。

实验设计

在该研究中，进行了因子实验以共同评估多种因素和水平对商业染料在AC上的吸附的影响。采用33×22因子设计的实验，这意味着在三个水平上评估了三个因素，并且在两个水平上评估了另外两个因素。本研究中感兴趣的响应变量是活性炭的“吸附能力”，mg染料/ g AC，在五个因子及其水平下共同计算。这些因素和水平的选择由第1节中提供的背景讨论证实。表2列出了所选择的因素及其水平。以Minitab16® 软件规定的随机顺序和条件进行总共216次等温线 [ 15 ]。表3中列出了每个运行的前10个随机运行顺序和标准的示例。

表2：因素和水平。

表3：运行的实验顺序的设计。

等温线研究

染料储备溶液的制备：在自来水中制备六种染料中的每一种的六升储备溶液。在Shimadzu UV-Vis 1800分光光度计上测量，向每个中加入足够的染料以使染料的吸光度水平达到约2.6吸光度。使用初步运行选择制备的吸收值，发现在研究中使用的最长运行时（8小时）加入AC后，得到可测量的水平。将每种染料的六升分成两半，并加入海盐“Instant Sea”使盐度达到0.01和1.0％。在将盐度调节至两个水平后，然后将每种溶液转移至1升瓶中。通过添加0滴将每个瓶中的储备溶液调节至所需的pH水平（4,7或10）。1M HCl或NaOH，其实质上不改变体积。准备的12升足以在重复运行中运行216个等温线。

取出通过实验设计产生的每种运行规格的50mL储备溶液，并将其加入125-mL棕色瓶中，该瓶预先清洗并干燥。每个瓶子恰好含有0.50g通过实验设计选择的三种特定碳之一。将磁力搅拌棒插入每个瓶中，并将所有瓶子放在多磁力搅拌板上，并使其在室温下以非常低的速度旋转。具有重复的等温瓶，总共216个实验都是类似地制备的。由于只有三个搅拌板，最大容量为45瓶，所有实验都没有同时进行。在适当的时间，2,4和8小时，将瓶子从搅拌器上取下用于分析。

染料浓度测量：对于每种染料，先前制备了Beer-Lambert图。之前还测量了12种原液的初始吸收。在每次运行结束时，将瓶子从搅拌器中取出并使其沉降。对于每一个，取出等分试样，离心并将一部分溶液置于比色皿中，并在对该染料特异的lamda-max下测量吸光度。所有测量均使用Shimadzu UV-Vis 1800。在完成所有216次运行之后，对所有瓶子进行类似处理和测量。使用Beer-Lambert最佳拟合方程将吸光度测量值转换为mg / mL浓度。因为每个瓶子具有50mL，所以容易将其转化为mg染料，其从染料的初始量中减去以计算吸附到AC上的总染料，以mg计。

吸附能力

碳的吸附容量（我们定义为mg染料吸附/克活性炭）如方法中所解释的那样计算。对于一种染料，该吸附容量范围为0.71至21.3（染料吸附的mg / g碳），对于我们的实验因子中的其他染料及其水平，该吸附容量范围为1.8至16.2（mg染料吸附/ g碳）。染料的吸附显然是一个复杂的过程，受许多因素的影响。因此，很难描述这些因素的影响和关系，因为它们是相互关联的。我们的方法，因子分析，使我们能够有效地评估最有影响的因素，而不考虑每个因素如何单独影响吸附。

分析结果

因子实验可用于评估多个设计因素的统计显着性。这提供了有关因素发生变化时发生的情况以及因素之间潜在相互作用的信息。当一个主要因素的影响取决于另一个因素（或多个因素）的水平时，就会发生相互作用。通过方差分析（ANOVA）和多元回归分析对我们的实验结果进行评估。ANOVA的使用确保了真实效果可以与随机误差产生的效果区分开来。ANOVA程序包括将总平方和分解为实验中每个变异源的分量。在我们的实验中，有5种可变性来源：染料，碳类型，pH值，盐度和时间; 每个都有多个级别。相互作用可以在任何数量的因素之间。该过程导致一组F统计量和P统计量来检验每个因素（包括相互作用）不重要的假设。

从表4中呈现的ANOVA分析可以看出，平方和（Seq SS）的总和反映了整个样品的方差。从总平方和中减去各个因子的所有平方和得到残差均方（误差）。每个平方和计算为两组因子（高水平和低水平的平均值）之间的比较，具有一个自由度（DF）。三级因子将有2个DF。必须将F标准与统计表中的临界值进行比较。

表4：使用经调整的SS进行测试的方差分析。

对于我们的响应变量（mg染料吸附/克活性炭）所研究的五个因素，最重要的是碳的类型，染料的类型和接触时间（0.00 <p <0.001）和（12.0 <F <287.9）。与时间，碳和染料类型相比不显着，但仍在90％置信水平内的是盐度（p = 0.042）和（F = 4.21）。测试的三种碳的孔径范围在3-15A之间。染料分子使用Hyperchem软件建模，并使用PM3半经验基组最小化以计算尺寸[ 16 ]。如表1所示两种染料分子均大于所有三种活性炭的最大孔径。因此，染料必须吸附在碳颗粒的表面上而不是在孔内。所涉及的离子可以装配在活性炭的孔隙内。然而，它们比氢阳离子大，并且由于盐度是影响染料吸附的因素，这可能是由于离子的较大尺寸导致一些表面吸附，这将影响染料的结合位点。

pH显示为染料吸光度（p = 0.242）和（F = 1.42）的不显着因素。在先前的研究中，pH被确定为影响吸光度的因素。在我们的结果中，pH不是一个重要因素。我们推测小的氢阳离子扩散并吸附在碳的孔内，而较大的染料分子严格吸附在表面上，因此染料吸附的能力不受pH变化的影响。

我们还研究了两个变量之间相互作用的重要性。在两个因子之间的十种可能的相互作用中，四种显示没有相互作用。其中三个涉及盐度。含有时间，pH和染料的盐度均不显着，p值介于0.077至0.468之间。两个可变相互作用中的第四个是无关紧要的是碳和pH。碳与染料，时间和盐度，染料随时间和pH，和pH随时间都显示出统计学意义。R平方值为83.32％，表明重要变量及其相互作用的有效性。在这项研究中，我们排除了因素之间三种相互作用的可能性。这将需要在额外的复制运行中运行该研究，这将大大增加运行次数。

图1显示了我们实验模型的验证指标图。这些图是通过绘制经验值和预测值（残差）与经验值之间的差异来创建的。拟合模型的残差随机分布在零附近。直方图和正态概率图显示了在所有216次运行中没有明显形状或趋势的值的随机分布。这四个图都显得令人满意，因此我们没有理由怀疑我们的结论是否有效。

图1：实验模型的验证指标图（残差图）。

通过允许研究人员确定因子之间的相互作用，更有效地利用数据和结果的统计优化，本研究中使用的实验方法的应用因子设计提供了许多优于传统“一次一个变量”实验的优点。

在这项研究中，时间，碳的类型和染料的类型都显示出是碳吸附能力的重要因素。此外，两个与碳和染料，时间和盐度的可变相互作用; 染料随时间和pH值以及pH随时间的变化也被认为是显着的。

这种实验设计的统计方法在废水处理中具有潜力，因为它可以通过在废物流中识别或应用重要因素来优化非平衡环境中的吸附能力。

未来的工作应该允许开发多个回归方程，可用于在各种真实条件下预测染料吸附。