Vergleichende Analyse von ANFIS, ANN und BBD zur verbesserten Vorhersage der Adsorption von Methylorange in der Wasseraufbereitung

Aus Obstabfall sauberes Wasser gewinnen

Stellen Sie sich vor, die Schalen Ihrer täglichen Bananen könnten verschmutzte Flüsse reinigen. Diese Studie untersucht genau diese Idee. Die Forschenden verwandelten weggeworfene Bananenschalen in eine spezielle Kohleform, bekannt als Aktivkohle, und nutzten sie, um einen hartnäckigen orangenen Farbstoff aus Wasser zu entfernen. Anschließend verglichen sie mehrere fortgeschrittene Rechenwerkzeuge, um zu ermitteln, welches Modell die Reinigung am besten vorhersagen und optimieren kann – mit dem Ziel, die Wasseraufbereitung günstiger, umweltfreundlicher und effizienter zu machen.

Das Problem hartnäckiger Farbstoffe im Wasser

Weltweit geben Textilfabriken und andere Industrien stark gefärbte Farbstoffe in Gewässer ab. Einer davon, Methylorange, ist ein typischer Vertreter einer größeren Familie langlebiger „Azo“-Farbstoffe. Selbst in geringen Konzentrationen können solche Farbstoffe das Sonnenlicht in Flüssen und Seen blockieren, Wasserlebewesen schädigen und für Menschen gesundheitliche Risiken darstellen, etwa durch Haut‑ und Augenreizungen oder Belastungen innerer Organe. Viele bestehende Behandlungsverfahren – wie Membranfiltration, chemische Fällung oder fortgeschrittene Oxidation – sind entweder energie‑ und kostenintensiv, erzeugen zusätzlichen Abfall oder erfordern teure Materialien. Deshalb wenden sich Forschende der Adsorption zu, einem Prozess, bei dem Schadstoffe an der Oberfläche eines Feststoffs haften, als einfache und effektive Option.

Bananenschalen als kostengünstiges Reinigungsmaterial

Bananenschalen sind reichlich vorhandene landwirtschaftliche Abfälle, besonders in Regionen wie Uganda, wo Bananen ein Grundnahrungsmittel sind. Anstatt sie wegzuwerfen oder nur als Tierfutter zu nutzen, wandelt diese Studie die Schalen durch Erhitzen und Säurebehandlung in Aktivkohle um. Das resultierende Material ist stark porös, mit großer innerer Oberfläche und vielen chemischen „Angriffspunkten“, die Farbmoleküle binden können. Mit mehreren Labortechniken ─ Mikroskopie zur Betrachtung der Oberflächenstruktur, Spektroskopie zur Identifikation chemischer Gruppen und Gasadsorption zur Messung der Porenstruktur ─ zeigen die Autoren, dass das hergestellte Material raue, schwammartige Oberflächen, winzige Kanäle und hilfreiche chemische Gruppen wie Hydroxyl‑ und Carboxylgruppen besitzt, die eine starke Farbaufnahme unterstützen.

Die besten Bedingungen für Farbabzug finden

Um zu prüfen, wie gut die bananenbasierte Kohle Methylorange entfernt, variierten die Forschenden drei Schlüsselfaktoren: die Kontaktzeit zwischen Wasser und Kohle, die Temperatur und den pH‑Wert (wie sauer oder basisch das Wasser ist). Anstatt blind alle Kombinationen zu testen, nutzten sie ein statistisches Schema, das Box–Behnken‑Design, um nur 17 gezielte Experimente zu planen. Daraus identifizierten sie nahezu ideale Bedingungen: leicht warmes Wasser (etwa 42 °C), nahezu neutraler pH‑Wert (etwa 7) und eine Kontaktzeit von rund einer halben Stunde. Unter diesen Bedingungen konnte die Kohle über 140 Milligramm Farbstoff pro Gramm Material aufnehmen, eine Kapazität, die im Vergleich zu vielen anderen preiswerten Adsorbentien in der Literatur günstig abschneidet.

Intelligente Modelle, die das System erlernen

Da reale Abwasserbehandlung komplex und oft nichtlinear ist, testeten die Autoren drei verschiedene Modellierungsansätze, um vorherzusagen, wie viel Farbstoff unter verschiedenen Bedingungen entfernt wird. Der erste, die Response‑Surface‑Methodik, passt eine gekrümmte mathematische Oberfläche an die Daten an. Der zweite, ein künstliches neuronales Netz, ahmt nach, wie vernetzte „Neuronen“ in einem Computer Muster aus Beispielen lernen können. Der dritte, ein adaptives neuro‑fuzzy Inferenzsystem, kombiniert neuronale Netze mit Fuzzy‑Logik, einer Methode, die stufenweise Veränderungen statt einfacher Ja‑/Nein‑Regeln behandelt. Alle drei Modelle stimmten sehr gut mit den experimentellen Daten überein, doch der hybride neuro‑fuzzy Ansatz lieferte die genauesten Vorhersagen und die geringsten Fehler, insbesondere beim Erfassen subtiler Wechselwirkungen zwischen pH, Zeit und Temperatur.

Wie der Farbstoff haftet und wie langlebig die Kohle ist

Um das Geschehen tiefer zu verstehen, analysierten die Forschenden, wie schnell der Farbstoff aufgenommen wird und wie er sich über die Kohleoberfläche verteilt. Sie fanden, dass der Prozess einem sogenannten Pseudo‑Zweit‑Ordnung‑Verhalten folgt, was auf starke chemische Bindungen zwischen Farbmolekülen und der Kohleoberfläche hindeutet, statt nur schwacher physikalischer Anziehung. Eine weitere Reihe von Tests, Isothermenstudien genannt, zeigte, dass sich der Farbstoff in mehreren Schichten auf einer unebenen Oberfläche anlagert, was mit der stark variierenden Porenstruktur in den Mikroskopbildern übereinstimmt. Praktische Versuche mit realen Wasserproben – Leitungswasser, Abwasser, Industrieabwasser und destilliertes Wasser – zeigten in allen Fällen Entfernungsraten von über 90 %, wobei komplexe Abwässer mit vielen konkurrierenden Substanzen etwas schlechter abschnitten. Die Kohle ließ sich mehrfach wiederverwenden, wobei die Leistung nur allmählich abnahm, was auf gute, aber nicht unbegrenzte Wiederverwendbarkeit hindeutet.

Warum diese Arbeit im Alltag wichtig ist

Kurz gesagt zeigt diese Studie, dass etwas so Alltägliches wie Bananenschalen in ein leistungsfähiges Material zur Reinigung gefärbter Abwässer verwandelt werden kann und dass fortgeschrittene „lernende“ Modelle zuverlässig steuern können, wie man den Prozess für beste Ergebnisse betreibt. Die bananenbasierte Kohle kann unter realistischen Bedingungen große Mengen eines persistenten Farbstoffs aufnehmen, und das adaptive neuro‑fuzzy Modell ist besonders leistungsfähig bei Vorhersage und Optimierung dieser Leistung. Zusammen bringen diese Fortschritte uns näher an bezahlbare, nachhaltige Wasserreinigungstechnologien, die lokale landwirtschaftliche Abfälle nutzen und gleichzeitig Flüsse, Seen und die menschliche Gesundheit schützen.

Zitation: Bbumba, S., Karume, I. Comparative analysis of ANFIS, ANN, and BBD for enhanced prediction of methyl orange adsorption in water treatment. Sci Rep 16, 12822 (2026). https://doi.org/10.1038/s41598-026-43445-4

Schlüsselwörter: aktivkohle aus Bananenschalen, Entfernung von Methylorange, Abwasserbehandlung, Adsorptionsmodellierung, neuro-fuzzy Systeme