基于时间序列的预测通过光催化剂通过组合梯度增强通过抗生素降解

科学领域:

• 环境化学环境化学
• 材料科学 材料科学 材料科学
• 光催化作用的光催化

背景情况:

• 抗生素耐药性是一个日益严重的全球健康问题,需要有效的方法来清除制药污染物.
• 光催化提供了一种有希望的方法来降解废水中的持久有机污染物.
• 开发高效和可预测的降解过程对于环境修复至关重要.

研究的目的:

• 评估实验室合成的酸-二氧化 (Ni2P-ZrO2或NPZ) 催化剂对阿莫西林 (AMX) 降解的疗效.
• 预测AMX退化过程使用时间序列预测与集成梯度增强模型.
• 为了优化NPZ的光催化降解条件.

主要方法:

• 在紫外线照射下,使用两种NPZ成分 (1:9和 2:8) 进行了光催化降解实验.
• 使用时间序列预测和合并梯度增强模型监测和预测阿莫西西林 (AMX) 降解.
• 研究和优化了包括pH,催化剂剂量 (0.20g/L) 和反应时间 (0.5h) 在内的关键参数.

主要成果:

• 在自然pH条件下,NPZ催化剂在降解AMX方面表现出显著的有效性.
• 整体梯度增强模型在预测退化方面取得了很高的准确性,相关系数为94.00%,NMSE为0.01,RMSE为0.0911.
• 优化条件 (自然pH值,0.20g/L催化剂,0.5小时) 产生了最有效的实验结果.

结论:

• 实验室制造的Ni2P-ZrO2 (NPZ) 催化剂是有效的紫外线辅助氨基在水溶中的降解.
• 时间序列预测为预测光催化降解过程提供了精确可靠的方法.
• 优化的催化剂组成和反应条件显著提高了降解效率.