ナノフィルタレーション膜を用いた合成廃水からのカフェインとパラセタモールの除去:人工神経ネットワークと応答表面の比較研究

科学分野:

• 環境科学
• 化学工学
• コンピューター・インテリジェンス

背景:

• 医薬品の廃棄水は環境問題をもたらします
• ナノフィルタレーション (NF) は,医薬品の汚染物質を除去するための重要な技術です.
• NFプロセスを最適化するには,正確な予測モデルが必要です.

研究 の 目的:

• 人工ニューラルネットワーク (ANN) と応答面方法論 (RSM) の予測性能を比較する.
• カフェインとパラセタモールの排斥効率を予測するために,AFC 40とAFC 80のNF膜を使用します.
• NFプロセスにおける医薬品除去を最適化するための最も効果的な計算知能技術を特定する.

主な方法:

• 膜経圧,栄養濃度,流量でNFの性能を実験的に調査する.
• 汚染物質の排斥を予測するためのANNとRSMモデルの開発と適用
• 統計指標 (R2,RMSE,MPSED,HYBRID,AAD) を使用したモデルの予測能力の評価

主要な成果:

• ANNとRSMの両方のモデルは,薬剤の拒絶に対する高い予測精度を示した.
• RSMと比較してANNモデルは一貫して高いR2値と低いエラーメトリックを達成しました.
• ANNは,AFC 40とAFC 80の両方の膜でカフェインとパラセタモールの拒絶を予測する優れたパフォーマンスを示しました.

結論:

• 人工ニューラルネットワーク (Artificial Neural Networks,ANN) は,製薬廃棄水処理におけるNF膜プロセスを最適化するための堅牢で優れたモデリングアプローチを提供します.
• 薬剤除去システムの効率化と運用コストの削減のためにANNを使用することを支持しています.
• 持続可能な排水処理技術の進歩には,正確な予測モデリングが不可欠です.