Voorspelling en validatie van de verwijdering van organische microverontreinigingen uit water; deel 1: stofselectie

Bronnen voor drinkwater bevatten steeds meer (organische) microverontreinigingen, doordat er steeds meer stoffen worden geproduceerd, en uiteindelijk geloosd. Experimenteel onderzoek naar effectieve en efficiënte zuiveringsmethoden is kostbaar. Daarom is het van belang goede modellen te ontwikkelen, waarmee het effect van een bepaalde zuiveringsmethode voor een microverontreiniging kan worden voorspeld. Aan de hand van betrouwbare voorspellingen kan het onderzoek worden gericht op een specifiek, veelbelovend zuiveringsproces, of zouden experimenten met een nieuw type microverontreiniging zelfs overbodig kunnen worden. Dit betekent een forse kostenbesparing voor de drinkwaterbedrijven. “Quantitative structure activity relationships” (QSARs) of “quantitative structure property relationships” (QSPRs) kunnen worden gebruikt bij het opzetten van dergelijke modellen. Hierbij wordt een statistisch verband gezocht tussen bepaalde moleculaire eigenschappen van stoffen en het gedrag dat ze vertonen. Modellen gebaseerd op QSPRs zijn veelbelovend, maar moeten nog verder ontwikkeld en/of gevalideerd worden. Het is van cruciaal belang dat dit gebeurt met modelstoffen die representatief zijn voor de microverontreinigingen die in bronnen voor drinkwater worden aangetroffen. Het samenstellen van een lijst met representatieve stoffen is echter een uitdaging. Er zijn uitgebreide lijsten bekend met verontreinigingen die voorkomen in bronnen van drinkwater, maar voor het huidige project was het van belang dat de range van alle voorkomende alle stofeigenschappen zo goed mogelijk werd vertegenwoordigd, om modellen te krijgen die ook over die hele range kunnen worden toegepast. Daarom is in het in dit rapport beschreven onderzoek een objectieve methode ontwikkeld voor stofselectie. Overigens kunnen de kosten voor validatie in sommige gevallen worden beperkt door geen gebruik te maken van nieuwe experimentele data, maar van in de literatuur of eerder (KWR) onderzoek gepubliceerde metingen.
Bij deze methode zijn we uitgegaan van een lijst met 2400 stoffen, waarvan wiskundige descriptoren en vingerafdrukken bekend zijn. Op basis van “expert judgement”(in dit geval specifieke kennis van organische chemie en zuiveringsprocessen bij Roberta Hofman en Emile Cornelissen) zijn hieruit ongeveer 1400 parameters gekozen, die invloed kunnen hebben op het gedrag van een stof in adsorptie-, membraan- of oxidatieprocessen (de drie processen waarop het modelleringsonderzoek voor de drinkwaterbereiding zich zal richten, omdat deze in de belangstelling staan van de drinkwaterbedrijven). Vervolgens is onderzocht in welke range deze parameters voorkomen onder microverontreinigingen die de drinkwaterbedrijven rapporteren in hun bronnen. Daarna is met behulp van wiskundige technieken vastgesteld dat bij het toepassen van 30 clusters van stofeigenschappen deze ranges zo goed mogelijk worden vertegenwoordigd, en is uit elk cluster één stof uitgekozen als representatief. Hierbij is rekening gehouden met het voorkomen van deze stoffen in bronnen voor drinkwater, en mogelijkheden om ze te analyseren. Verder is ervoor gezorgd dat de eigenschappen van de 30 uitgekozen stoffen zo min mogelijk overlap met elkaar vertonen.
Op deze manier is een lijst verkregen met 30 componenten, waarvan de eigenschappen representatief zijn voor de hele range aan relevante stofeigenschappen voor de waterzuivering. Vervolgens is een analysemethode ontwikkeld, waarmee de meeste van deze stoffen in gelijktijdig gemeten kunnen worden, zodat de analysekosten beperkt kunnen worden.
De hier samengestelde lijst van representatieve modelstoffen zal worden gebruikt voor de validatie van modellen voor drinkwaterzuivering met behulp van filtratie over granulaire actieve kool, membraanfiltratie, en oxidatieprocessen gebaseerd op ozon.