人工智能模型用于预测通过使用整体机器学习器的多功能子去除和
1Department of Environmental Engineering, Kumoh National Institute of Technology, Daehakro 61, Gumi Gyeongbuk 39177, South Korea.
功能性多基 (FPK) 有效地从反透缩物中去除和离子. 人工智能模型准确地预测了离子去除效率,有助于优化零液体放电系统.
科学领域:
- 环境科学 环境科学
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
背景情况:
- (Ca2+) 和 (Mg2+) 离子是反透 (RO) 度中主要的缩放贡献者,阻碍零液体排放 (ZLD) 系统性能.
- 有效地去除这些双价对于保持ZLD系统效率和防止扩展至关重要.
研究的目的:
- 用功能多基 (FPK) 来预测模拟的RO缩物中Ca2+和Mg2+的去除效率.
- 通过调查吸附剂剂量,料度和pH等因素来优化离子去除过程.
- 评估人工智能 (AI) 模型的预测能力,包括决策树 (DT),极端梯度提升 (XGB) 和随机森林 (RF),用于离子去除.
主要方法:
- 使用四种不同的胺基合成FPKs:1,2-二氨基 (DAP),1-(2-氨基乙烯) 皮佩拉 (AEP),1-(3-氨基) 伊米达 (API) 和丁胺 (BA).
- 通过FPKs从模拟的RO度中进行Ca2+和Mg2+去除的实验性确定.
- 开发和应用DT,XGB和RFAI模型,以根据实验数据预测离子去除.
主要成果:
- 人工智能模型,特别是XGB,在预测FPKs去除Ca2+和Mg2+时表现出高准确度.
- 与API和BA相比,使用AEP和DAP的FPK去除Mg2+时观察到更高的确定系数 (R值在0.841-0.935之间).
- 对于Ca2+和Mg2+的去除,XGB模型表现出强的性能,DT和RF模型对AEP和BA预测进行了微小的变化.
结论:
- 人工智能模型为预测FPKs的Ca2+和Mg2+去除提供了一个可行的和高效的替代方案.
- 用特定的胺基合成的FPK显示出有希望的潜力,可以在ZLD系统中减轻RO度的缩放.
- 该研究强调了人工智能在优化水处理过程和了解离子去除中的复杂相互作用方面的实用性.
更多相关视频
11:30A Semi-Automated and Reproducible Biological-Based Method to Quantify Calcium Deposition In Vitro
Published on: June 2, 2022
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
相关概念视频
Mechanistic Models: Compartment Models in Individual and Population Analysis
Mechanistic Models: Compartment Models in Algorithms for Numerical Problem Solving
In individual population analyses, different algorithms are employed, such as Cauchy's method, which uses a...
Feedback Regulation of Calcium Concentration
Various transmembrane receptors, such as G protein-coupled receptors (GPCRs), elicit a response to extracellular signals by increasing cytosolic calcium. Activated GPCRs...
Mechanistic Models: Overview of Compartment Models
