探索碳,和对多种植微藻的灰色水处理的影响,使用响应表面方法和机器学习

科学领域:

• 环境科学 环境科学
• 微生物学 微生物学
• 水处理工程水处理工程

背景情况:

• 基于微藻的废水处理提供了一种可持续的方法,与可持续发展目标6 (清洁水和环境卫生) 保持一致.
• 处理效率受到废水的初始成分,特别是有机和营养度的显著影响.
• 使用本地多种植微藻进行灰色水处理,为水的再利用提供了一个可行的选择.

研究的目的:

• 研究初始有机物和营养度对使用微藻从灰色水中去除关键污染物的影响.
• 确定最佳的碳与 (C/N) 和与 (N/P) 的比率,以最大限度地提高污染物清除效率.
• 评估响应表面方法 (RSM) 与机器学习算法 (AdaBoost和XGBoost) 集成的预测性能.

主要方法:

• 使用本地多种植微藻的灰色水处理.
• 响应表面方法 (RSM) 的应用,以建模TOC,NH₄⁺和PO₄^3-度的影响.
• 使用AdaBoost和XGBoost机器学习算法进行预测建模和验证.

主要成果:

• 实现了高的去除效率:总有机碳 (TOC) 的99.2%,总碳 (TC) 的97.7%, (NH) 的96.2%.
• 确定了TOC (10.3) 和TC (65.4-73.6) 移除的最佳C/N比率;N/P比率对这些影响最小.
• 与单独使用AdaBoost和RSM相比,XGBoost表现出优异的预测准确性 (最高R²,最低MAE和MSE).

结论:

• 优化C/N和N/P比率对于有效的灰色水处理和满足水再利用标准至关重要.
• 基于微藻的处理对于从灰色水中去除有机碳和氨非常有效.
• 将RSM与机器学习 (特别是XGBoost) 集成,为预测和优化废水处理结果提供了可靠的框架.