相关实验视频
Updated: Jul 10, 2025
09:30
Ammonia Fiber Expansion AFEX Pretreatment of Lignocellulosic Biomass
Published on: April 18, 2020
13.6K
用于高重力氨剥离的端到端机器学习:弥合科学研究和用户友好的应用之间的差距
Shaomin Guo1, Junwen Zhou1, Zifu Li1
1School of Energy and Environmental Engineering, Beijing Key Laboratory of Resource-oriented Treatment of Industrial Pollutants, University of Science and Technology Beijing, Beijing 100083, PR China.
Water research
|November 21, 2023
概括
机器学习准确地预测了高重力废水处理中的氨去除效率和质量转移. 这项技术增强了环境可持续性和循环经济的发展.
科学领域:
- 环境工程 环境工程
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 从废水中去除氨对于环境可持续性和循环经济倡议至关重要.
- 高重力技术提供了一种先进的方法来从废水中剥离氨.
- 在环境研究中,复杂的数据集往往会带来诸如小样本大小和缺失值等挑战.
研究的目的:
- 应用机器学习 (ML) 技术来全面分析影响高重力旋转包装床中氨去除的因素.
- 开发氨去除效率 (η) 和质量转移系数 (KLa) 的准确预测模型.
- 创建一个可访问的在线软件应用程序,以便实际使用开发的ML模型.
主要方法:
- 利用贝叶斯自动优化结合增强算法来处理复杂,小型和多维数据集.
- 开发了机器学习模型来预测氨去除效率 (η) 和质量转移系数 (KLa).
- 使用训练和测试数据集验证模型性能,实现高R2值.
主要成果:
- 准确的ML模型被开发出来,R2值为0.98 (训练) 和0.98 (测试) 的 η,以及0.89 (训练) 和0.82 (测试) 的 KLa.
- 确定了关键的影响因素:剥离阶段和η的气液比;KLa的液体流量和高重力因子.
- 成功地将一个训练有素的模型部署到一个具有预测和自动更新功能的在线软件应用程序中.
结论:
- 从数据收集到应用部署,端到端的ML方法有效地模拟复杂的废水处理过程.
- 开发的模型和软件应用程序为运营商和管理人员提供了宝贵的工具,推进了高重力氨脱落技术.
- 这项研究表明了机器学习在改善环境工程的研究可访问性和技术进步方面的潜力.
