洞察使用纳米复合材料水炭的机器学习模型对levfloxacin吸附的洞察力
Alaa El Din Mahmoud1, Radwa Ali1, Manal Fawzy2
1Environmental Sciences Department, Faculty of Science, Alexandria University, Alexandria, 21511, Egypt; Green Technology Group, Faculty of Science, Alexandria University, Alexandria, 21511, Egypt.
Chemosphere
|March 24, 2024
概括
塔罗皮的废物被转化为银@化合物,以有效地从水中去除利沃素. 机器学习模型准确地预测了吸附性能,提供了可持续的废物利用解决方案.
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:
- 食品工业的废物,如塔罗皮,带来了环境挑战.
- 将废物价值化为功能性材料对于可持续性至关重要.
- 水热碳化 (HTC) 为废物转化提供了一条绿色路线.
研究的目的:
- 为了从塔罗皮的废物中生产和表征水炭.
- 为了研究levofloxacin在碳化合物复合物的吸附.
- 开发和验证用于预测吸附效率的机器学习模型.
主要方法:
- 塔罗皮废物的水热碳化.
- 炭 (TPh),活性化炭 (P-TPh) 和银@炭 (Ag@TPh,Ag@P-TPh) 的制备.
- 使用EDX,吸附实验和机器学习 (CCD,ANN) 的表征.
主要成果:
- 银@化合物表现出增加了勒沃素的吸附.
- 最佳吸附条件:45分钟接触时间,0.15g/L剂量,pH 7.
- ANN和CCD模型准确预测了勒沃素的去除 (R2 > 0.989).
结论:
- 塔罗皮衍生出的银@水炭是levofloxacin的有效吸附剂.
- 机器学习模型为吸附过程提供可靠的预测.
- 这项研究表明了食品废物管理和水处理的可持续方法.


