Biofiltration of volatile compound mixtures from pulp and paper industries

Abstract

[Resumen] Un biorreactor en dos etapas, consistente en un biofiltro percolador (BTF) como primera etapa y un biofiltro (BF) como segunda etapa, se operó bajo estados estacionario y transitorio, para purificar una mezcla gaseosa compuesta por sulfuro de hidrógeno, metanol y α-pineno. El sulfuro de hidrógeno y el metanol se eliminaron en la primera etapa, mientras que el α- pineno se eliminó fundamentalmente en la segunda etapa. Los biorreactores fueron sometidos a dos tipos de sobrecargas: a largo plazo (66h) con cargas bajas-medias y de corto plazo (12 horas) con altas cargas. Utilizando redes de neuronas artificiales (ANNs), se realizó un modelado para predecir las respectivas eficiencias de eliminación (EEs). Se observó que un perceptrón multicapa con topología 3-4-2 fue capaz de predecir la eliminación del H2S y del metanol en el BTF, mientras que una topología de 3-3-1 fue capaz de aproximar la eliminación del α-pineno en el BF. La misma mezcla gaseosa fue posteriormente examinada en un BTF inoculado con un consorcio microbiano altamente adaptado. Se observó que la presencia del metanol afectó negativamente a la eliminación del α-pineno, sin embargo lo opuesto no sucedió. La eliminación del α-pineno se vió afectada por su propia presencia. El H2S no mostró ningún efecto sobre la eliminación de los otros compuestos. Este BTF también fue modelado usando ANNs y fue también sometido a diferentes tipos de sobrecargas a corto plazo, de cada contaminante por separado. Para el metanol y el sulfuro de hidrógeno, se observó que estas sobrecargas no afectaron significativamente a su propia eliminación, pero la eliminación del α-pineno se vio afectada en un 50%.

[Resumo] Un biorreator en dúas etapas consistente nun biofiltro percolador (BTF) como primeira etapa e nun biofiltro (BF) como segunda etapa, foi operado baixo estados estacionario e transitorio, para a purificación dunha mestura gasosa formada por sulfuro de hidróxeno, metanol e α- pineno. O sulfuro de hidróxeno e o metanol foron eliminados na primeira etapa, mentres co α- pineno foi principalmente eliminado na segunda etapa. Os biorreactores foron sometidos a dous tipos de sobrecargas: a longo prazo (66h) con cargas medias-baixas, e de curta duración (12 horas) a cargas elevadas. Utilizando redes de neuronas artificiais (ANNs), realizouse unha modelaxe para prever as correspondentes eficiencias de eliminación (EEs). Observouse que un perceptrón multicapa con topología 3-4-2 foi capaz de prever a eliminación do H2S e do metanol no BTF, mentres que unha topoloxía 3-3-1 foi quen de aproximarse á eliminación do α-pineno no BF. A mesma mestura gasosa foi examinada posteriormente nun BTF inoculado cun consorcio microbiano altamente adaptado. A presenza do metanol afectou negativamente a eliminación do α-pineno, con todo, o contrario non aconteceu. A eliminación de α-pineno, foi afectada pola súa propia presenza. O H2S non mostrou ningún efecto sobre a eliminación dos outros compostos. Este BTF tamén foi modelado utilizando ANNs e tamén foi suxeito a varios tipos de sobrecargas a curto prazo, de cada contaminante por separado. Para o metanol e o sulfuro de hidrógeno observouse que estas sobrecargas non afectaron significativamente as súas eliminacións, pero a eliminación do α-pineno foi afectada nun 50%.

[Abstract] A two-stage bioreactor, comprising a biotrickling filter (BTF) as the first-stage and a biofilter (BF) as the second-stage, operated under steady-and transient-state conditions, was tested to remove gas-phase hydrogen sulphide, methanol and α-pinene. Hydrogen sulphide and methanol were removed in the first-stage, while α-pinene, was removed predominantly in the second-stage. The bioreactors were tested with two types of shock loads, long-term (66h) low to medium concentration loads, and short-term (12h) low to high concentration loads. Their performances were modelled using artifitial neural network (ANN), in order to predict the removal efficiencies (REs). It was observed that, a multi-layer perceptron with the topology 3- 4-2 was able to predict RE of methanol H2S in the BTF, while a topology of 3-3-1 was able to approximate RE of α-pinene in the BF. The same gaseous mixture was later examined in a biotrickling filter (BTF), inoculated with a highly adapted microbial consortium. The presence of methanol showed an antagonistic removal pattern for α-pinene, but the opposite did not occur. α-Pinene, removals were affected by itself. H2S did not show any declining effect on the other compounds. This BTF was also modeled using ANNs and subjected to different types of short-term shock-loads. It was observed that, short-term shock-loads of individual pollutants (methanol or hydrogen sulfide) did not significantly affect their own removal, but the removal of α-pinene was affected by 50%.