基于定量实验和人工神经网络建模的定量实验和人工神经网络建模的地下沉积物上甲福明吸附的预测
Cong Yang1, Ke Liu1, Sen Yang1
1School of Environmental Studies, China University of Geosciences, Wuhan, China.
The Science of the total environment
|July 21, 2023
概括
地下水中甲胺 (MET) 污染是一个令人担忧的问题. 这项研究揭示了MET吸附在沉积物中有所不同,受到酸盐和蒙特莫里隆石等粘土矿物质的影响,其中静电吸引和化学结合是关键机制.
科学领域:
- 环境科学 环境科学
- 地质化学 地质化学
- 制药科学 制药科学
背景情况:
- 甲胺 (MET) 是一种常见的糖尿病药物,经常在地下水中发现.
- 它的存在对生态系统和人类健康构成风险.
- 了解MET对地下沉积物的吸附对于风险评估至关重要.
研究的目的:
- 研究MET在各种地下沉积物的吸附能力和机制.
- 为了确定影响MET吸附的关键沉积物成分.
- 评估与MET污染相关的环境风险.
主要方法:
- 在37个来自不同深度 (0-30米) 的地下沉积物样本上进行了吸附实验.
- 分析了沉积物组成,确定粘土矿物质 (化物,蒙莫里隆石,白石) 是主导的.
- 使用人工神经网络模型 (R2 = 0.971) 根据沉积物特性预测MET吸附.
主要成果:
- 在沉积物样本 (15.5489.4毫克/公斤) 中,MET吸附有显著的差异.
- 吸附性随着石英含量和沉积物深度的增加而减少.
- 化物和蒙莫里隆尼特含量与较高的MET吸附度有很强的相关性.
结论:
- 粘土矿物质,特别是化物和蒙莫里隆石,在MET吸附中发挥着主导作用.
- 静电吸引,阴离子交换和化学键是主要的吸附机制.
- 这些发现提供了对土壤丰富沉积物中MET吸附的定量理解,突出了环境风险.
