利用人工智能优化Fe/Zn@生物炭光催化剂,从石化废水中去除2,6-二二:技术经济视角

科学领域:

• 环境化学环境化学
• 材料科学 材料科学 材料科学
• 人工智能的人工智能

背景情况:

• 2,6-二二 (2,6-DCP) 的光催化降解对于废水处理至关重要.
• 为了实现成本效益和可持续的流程,需要使用非线性模型优化运营因素.
• 现有的研究缺乏对2,6-DCP光催化剂的AI驱动优化.

研究的目的:

• 使用人工智能 (AI) 建模优化2,6-DCP的光催化降解.
• 为了最大限度地减少2,6-DCP移除的初始资本支出和持续运营费用.
• 开发和验证一种新的Fe/Zn@生物炭催化剂,以实现高效的吸附和降解.

主要方法:

• 合成和表征Fe/Zn@生物碳纳米复合材料.
• 对2,6-DCP的光催化降解实验.
• 开发一个人工神经网络 (ANN) 模型来预测删除效率.
• 使用ANN模型优化操作参数 (pH,催化剂剂量,初始度).

主要成果:

• Fe/Zn@生物炭证明了2,6-DCP的有效吸附,吸附能量为-21.858 kJ/mol.
• 催化剂产生了用于2,6-DCP降解的活性氧物种 (•O2−和•OH).
• 在2,6-DCP删除方面,ANN模型实现了高预测准确性 (R2 = 0.967).
• 优化条件 (130 mg/L 2,6-DCP,pH 2.74,168 mg/L催化剂) 在4小时内产生了90%以上的去除.
• 与未经优化条件相比,优化过程减少了16%的治疗成本,达到7.70美元/m3.

结论:

• Fe/Zn@生物炭是有效的2,6-DCP吸附和光催化降解的有希望的催化剂.
• 使用ANN的AI驱动优化为废水处理提供了具有成本效益和可持续性的方法.
• 开发的ANN模型可以准确预测和优化光催化降解,为工业应用提供实用解决方案.