用机器学习算法预测重金属被水炭吸附,并识别使用机器学习算法的关键因素
Fangzhou Zhao1, Lingyi Tang2, Hanfeng Jiang1
1School of Environmental and Biological Engineering, Nanjing University of Science and Technology, Nanjing, China.
这项研究使用人工智能来预测炭的重金属吸附能力. 为了有效地从水中去除重金属,确定了最佳的电特性和制备条件.
科学领域:
- 环境科学 环境科学
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 碳化合物越来越多地用于在水生环境中固定重金属.
- 需要进一步研究碳化合物制备,性能,吸附条件和重金属去除效率 (Qm) 之间的关键关系.
研究的目的:
- 使用人工智能模型预测重金属中的最大吸附能力 (Qm).
- 为了确定影响重金属吸附的关键因素.
- 为了确定最佳的电特性和准备条件,以增强重金属固定.
主要方法:
- 采用了四种人工智能模型,包括渐变增强决策树 (GBDT),以预测Qm.
- 分析了碳化合物特性对重金属吸附能力的影响.
- 研究了水热处理条件 (温度和时间) 对表面功能群和Qm的影响.
主要成果:
- GBDT模型显示出高的预测准确性 (R2 = 0.93,RMSE = 25.65).
- 鉴定出水炭性质是控制重金属吸附的主要因素 (37%).
- 确定了最佳的元素组成 (C,H,N,O) 和热水条件 (>220°C,>10h),以最大限度地提高Qm.
结论:
- 人工智能有效地预测了炭的重金属吸附能力.
- 优化的电特性和制备条件显著提高了重金属的固定性.
- 这些发现为处理重金属污染物中的碳水化合物的工业应用提供了指导.
更多相关视频
10:31Detection and Recovery of Palladium, Gold and Cobalt Metals from the Urban Mine Using Novel Sensors/Adsorbents Designated with Nanoscale Wagon-wheel-shaped Pores
Published on: December 6, 2015
10:44Preparation of Biomass-based Mesoporous Carbon with Higher Nitrogen-/Oxygen-chelating Adsorption for CuII Through Microwave Pre-Pyrolysis
Published on: February 12, 2019
相关概念视频
Extraction: Advanced Methods
Qualitative Analysis
For instance, group IV...
Voltammetry: Stripping Methods
Anodic Stripping Voltammetry (ASV)
ASV is used to determine metals and metalloids at trace levels. It involves two steps: deposition and stripping. First, a negative potential is applied to the...
Precipitation and Co-precipitation
Gravimetry: Inorganic And Organic Precipitating Agents
