Análisis comparativo de múltiples modelos de aprendizaje automático: identificación de los factores de impacto en los...

Área de la Ciencia:

• Ciencias del medio ambiente
• Tecnologías de recuperación de agua
• Ciencias de los materiales

Sus antecedentes:

• El biochar es un material prometedor para la eliminación de metales pesados de los sistemas acuosos.
• Los métodos actuales para analizar la adsorción de biocarbón a menudo se basan en modelos únicos, lo que lleva a un sesgo potencial y una comprensión incompleta de los factores que influyen.
• Se necesita un análisis exhaustivo para aclarar sistemáticamente los mecanismos e interacciones que rigen la adsorción de metales pesados mediada por el biocarbón.

Objetivo del estudio:

• Investigar de manera holística los determinantes y las variables clave que influyen en la adsorción de metales pesados mediada por el biocarbono utilizando un enfoque integrado de aprendizaje automático.
• Superar las limitaciones de los análisis de un solo modelo y proporcionar una aclaración sistemática de los mecanismos de adsorción.
• Cuantificar las contribuciones de varios factores, incluida la concentración inicial de metal, las propiedades del biocarburante y las condiciones de la solución.

Principales métodos:

• Integración de doce modelos de aprendizaje automático con SHAP (Shapley Additive Explanations) para el análisis de la contribución.
• Evaluación de la precisión predictiva y la interpretabilidad de diferentes arquitecturas de modelos, en particular los modelos basados en árboles.
• Aplicación de análisis de importancia y dependencia SHAP para identificar y cuantificar el impacto de los factores de influencia.

Principales resultados:

• Los modelos de aprendizaje automático basados en árboles demostraron una precisión e interpretabilidad predictivas superiores.
• La concentración inicial de metales (C0) fue el factor más significativo (23,1-67,9%), seguido por los factores de biocarbón (20,1-57,4%).
• Los determinantes clave identificados incluyen C0, capacidad de intercambio catiónico (CEC), pH de la solución (pHsol) y pH de la superficie del biochar (pHH2O).

Conclusiones:

• Un marco de aprendizaje automático conjunto proporciona un método robusto para analizar la adsorción de metales pesados mediada por biocarbono, superando las limitaciones de un solo modelo.
• La concentración inicial de metales y las propiedades del biocarburante como el CEC son cruciales para mejorar la capacidad de adsorción.
• El pH de la solución y la superficie juegan un papel importante, con efectos específicos dependiendo del rango de pH, orientando la optimización para la remediación del agua.