从废弃的光灯中智能出稀土元素
Bo Niu1, Shanshan E2, Xiaomin Wang1
1Key Laboratory of Farmland Ecological Environment of Hebei Province, College of Resources and Environmental Science, Hebei Agricultural University, Hebei, Baoding 071000, People's Republic of China.
概括
机器学习模型优化了废弃光灯的稀土元素 (REE) 回收. 这种方法通过使用颗粒大小和组成数据预测最佳漏参数来降低成本和环境风险.
科学领域:
- 材料科学 材料科学 材料科学
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
背景情况:
- 稀土元素 (REEs) 是面临过度开发和环境问题的关键战略资源.
- 从废弃光灯 (WFLs) 等二次来源回收 REEs 提供了一个可持续的解决方案.
- 传统的金和酸方法需要广泛的优化,增加成本和风险.
研究的目的:
- 开发机器学习 (ML) 模型,以优化从WFL中出六个REE (Tb,Y,Eu,La,Gd).
- 为了降低与REE回收相关的成本和环境影响.
- 提供一种快速的方法来确定最佳的漏参数.
主要方法:
- 机器学习 (ML) 的应用来预测REE漏效率.
- 利用颗粒大小和废料料成分作为主要输入特征.
- 功能重要性分析以确定影响REE漏的关键因素.
主要成果:
- ML模型根据粒子大小和元素组成 (Mg,Al,Fe,Sr,Ca,Ba,Sb) 准确地预测了REE漏.
- 特性重要性分析揭示了颗粒大小和特定元素对REE漏的重大影响.
- 阐明了这些因素对不同 REE 的影响规则.
结论:
- ML模型允许快速确定从WFL中回收废弃物回收的最佳参数.
- 这种智能方法显著降低了回收成本,并最大限度地减少了环境风险.
- 该研究建立了从废物中智能回收战略性废弃物回收的途径.
