수중 유기오염물질 제거를 위한 금속-유기 복합체 MIL-100(Fe)의 합성 및 제거 특성 연구

학위논문(석사) -- 서울대학교대학원 : 농업생명과학대학 생태조경.지역시스템공학부(지역시스템공학전공), 2021.8. 김성배.The aim of this study was to characterize the removal of contaminants from aqueous solution using a Metal-organic framework (MOF). The MOF is a porous crystalline complex made by a strong coordination bond between a metal cluster and an organic linker, which has large surface area, structural flexibility. MIL-100(Fe) was synthesized at room temperature with Iron (Fe) and Trimesic acid (H3BTC). MIL-100(Fe) has environmental-friendly nature, high water stability, and great adsorption capacity. In this study, the MIL-100(Fe) was applied as an adsorbent to removal of Rhodamine B (RhB) and Diclofenac (DCF) from aqueous solution. Batch experiments were conducted for RhB and DCF, respectively under single-parameter and multi-parameter experiment conditions. The maximum adsorption capacity for RhB is 61.845 mg g-1 and DCF is 414. 581 mg g-1. The main mechanisms are π-π interaction and electrostatic attraction for RhB removal, and π-π interaction and hydrogen bonding for DCF removal. Further, Response surface methodology (RSM) and Artificial neural network (ANN) were employed to model and optimized the RhB and DCF removal in the range of the CCD matrix as multi-parameter models. In RSM modeling, the cubic regression model was developed for RhB removal and the regressor variable of pH had a larger coefficient value indicating that pH had a highest impact on the RhB removal rate. The optimum RhB removal rate was found at pH 5.3, adsorbent dose 2.0 g L-1, initial RhB concentration 73 mg L-1 through the prediction of the modeled ANN with topology 3:8:1. The optimum DCF removal rate was found at initial pH 6.1, adsorbent dose 0.5 g L-1, initial DCF concentration 63 mg L-1, temperature 22 ℃ through the prediction of the modeled ANN with topology 4:7:6:2. Study results indicate that the MIL-100(Fe) synthesized at room temperature shows high adsorption capacity for RhB and DCF removal from synthetic water, and the RSM and ANN model could be successfully optimize and predict for RhB and DCF removal as multi-parameter models.본 연구의 목적은 금속-유기 복합체 (Metal organic framework, MOF)를 사용하여 수용액에서 오염 물질을 제거하는 것이다. MOF는 금속 클러스터와 유기 링커 사이의 강력한 배위 결합으로 만들어진 다공성 결정형 복합체로, 표면적이 크고 구조적 유연성이 있다는 특성을 가지고 있다. MOF 중에서도 상온에서 합성한 MIL-100(Fe)는 철 (Fe)과 Trimesic acid 를 사용하였고, 환경 친화적이며, 수중 안정성이 높고, 높은 흡착효율을 보이는 흡착제이다. 본 연구에서는 MIL-100(Fe)를 흡착제로 사용하여 수중의Rhodamine B (RhB)와 Diclofenac (DCF)를 제거하였다. 단일 매개 변수 및 다중 매개 변수 실험 조건에서 RhB와 DCF 각각에 대해 흡착 회분 실험을 진행하였다. MIL-100(Fe)을 이용한 RhB의 최대흡착능은 61.845 mg g-1 이고, DCF의 최대흡착능은 414.581 mg g-1 이다. pH 실험 결과, RhB 흡착의 주된 메커니즘은 π-π 결합과 정전기적 인력이며, DCF 흡착의 주된 메커니즘은 π-π 결합과 수소결합이다. 또한, 반응표면방법론 (RSM)과 인공신경망 (ANN)을 사용하여 중심합성설계 (CCD) 매트릭스 조건 범위에서 RhB와 DCF 제거에 대한 다중 매개 변수 실험을 모델링하고 최적화하였다. RSM 모델링에서는 RhB 제거를 위해 3차 회귀 모델이 사용되었으며, 변수 중에서 가장 큰 회귀 변수 값을 갖는 pH가 RhB 제거율에 가장 큰 영향을 미친다는 것을 나타낸다. ANN 모델링을 통한 최적의 RhB 제거율을 보이는 조건은 3:8:1 의 ANN 구조에서 pH 5.3, 흡착제 용량 2.0 g L-1, 초기 RhB 농도 73 mg L-1 이다. 최적의 DCF 제거율을 보이는 조건은 4:7:6:2 의 ANN 구조에서 초기 pH 6.1, 흡착제 용량 0.5 g L-1, 초기 DCF 농도 63 mg L-1, 반응온도 22 ℃ 이다. 본 연구 결과를 통해 상온에서 합성한 MIL-100(Fe)이 수중 RhB와 DCF를 제거에 높은 흡착능을 보이는 효과적인 흡착제임을 확인하였고, RSM과 ANN 모델이 다중 매개 변수 모델로서 RhB와 DCF 제거를 최적화하고 예측하는 데 효과적인 모델임을 확인하였다.1. Introduction 1 1.1. Background 1 1.1.1. Metal-organic framework (MOF) 3 1.1.2. Contaminants 6 1.1.3. Multi-parameter model 12 1.2. Objective 14 2. Literature Review 15 2.1. Adsorption of contaminants from aqueous solution using MOFs 15 2.2. Dye adsorption using MOFs 18 2.3. Pharmaceutical adsorption using MOFs 23 3. Materials and Methods 30 3.1. Synthesis of MIL-100(Fe) at room temperature 30 3.2. Characterization of MIL-100(Fe) 33 3.3. RhB adsorption from synthetic water 35 3.3.1. Single-parameter experiments for RhB removal 35 3.3.2. Multi-parameter experiments for RhB removal 39 3.4. DCF adsorption from synthetic water 43 3.4.1. Single-parameter experiments for DCF removal 43 3.4.2. Multi-parameter experiments for DCF removal 48 3.5. Data analysis for single-parameter experiments 51 3.6. Multi-parameter modeling through RSM and ANN 54 3.6.1. Response surface methodology (RSM) 54 3.6.2. Artifical neural network (ANN) 56 4. Results and Discussion 60 4.1. Characterization of MIL-100(Fe) 60 4.2. Adsorption studies for RhB 72 4.2.1. Single-parameter experiments for RhB removal 72 4.2.2. Multi-parameter modeling using RSM 80 4.2.3. Multi-parameter modeling using ANN 87 4.3. Adsorption studies for DCF 99 4.3.1. Single-parameter experiments for DCF removal 99 4.3.2. Multi-parameter modeling using ANN 109 5. Conclusions 121 6. References 124석