评估使用支持IL膜从电子废物中提取金属,并可靠地比较RSM回归和ANN框架

科学领域:

• 材料科学 材料科学 材料科学
• 环境化学环境化学
• 化学工程是化学工程的重要组成部分.

背景情况:

• 离子是电子废物 (电子废物) 中的关键成分,需要有效的回收方法.
• 液体膜技术为从复杂的废物流中提取等贵重金属提供了一个有希望的途径.
• 离子液体,如CyphosIL 104,显示出印度离子提取的巨大潜力.

研究的目的:

• 为了研究和优化从水溶液中回收离子,使用方便支液体膜 (FS-SLM).
• 评估关键工艺参数对提取效率的影响.
• 为了比较响应表面方法 (RSM) 和人工神经网络 (ANN) 对FS-SLM过程的建模和预测能力.

主要方法:

• 使用了一种促进支液体膜 (FS-SLM) 工艺,使用CyphosIL 104作为载体.
• 系统评估了五个关键参数:度,载体度,料阶段酸度,离子度和剥离剂度.
• 采用响应表面方法 (RSM) 和人工神经网络 (ANN) 来建模提取过程并优化参数.

主要成果:

• RSM模型,一个二次方程,实现了0.9589的R平方值,表明很适合.
• 拥有六个神经元的ANN模型表现出卓越的预测准确性,其R平方值为0.9860.0.
• 在优化条件下,实验提取效率为93.91% (RSM) 和94.85% (ANN),与实验最佳值95.77%非常接近.

结论:

• 人工神经网络 (ANN) 模型提供了比RSM模型更准确的预测和更好的适应能力,用于提取.
• 使用RSM和ANN进行优化的FS-SLM工艺显示了从电子废物中回收离子的高效率.
• 这项研究强调了先进的建模技术在优化废物流中的关键金属回收方面的潜力.