基于神经网络的红泥粒子吸附剂的配方优化和性能预测

科学领域:

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

背景情况:

• 红泥 (RM),石残留物,由于危险的放射性和性成分,存在环境风险.
• RM回收对于减轻地表和地下水污染至关重要.
• 预处理的RM显示出开发有效的水处理吸附剂的潜力.

研究的目的:

• 用数学模型确定红色泥吸附剂的最佳公式.
• 调查RM吸附剂配方及其特性之间的复杂关系.
• 为了优化RM吸附剂的性能,用于水处理应用.

主要方法:

• 使用一个反向传播神经网络 (BP) 模型.
• 综合单因素和正交实验数据用于模型训练.
• 研究了11个配方变量和9个吸附剂特性之间的相关性.

主要成果:

• 通过模型预测确定了最佳的RM吸附剂配方.
• 鉴定发现了特定的特性:pH 10.16,BET表面积 48.92 m2·g−1,孔径量 2.10 cm3·g−1,压力 1.12 KPa,粉碎率 3.72%.
• 该吸附剂在从漂浮尾矿回水中去除总方面表现出高效率,吸附能力 (Q) 为48.63 mg·g-1和去除率 (η) 为95.13%.

结论:

• 开发的数学模型成功地确定了一个最佳的红泥吸附剂公式.
• 优化的红色泥吸附剂在完全去除方面表现出色.
• 这项研究强调了红泥作为水资源整治的可持续材料的潜力.