整合生物吸收和机器学习,以通过藻类-细菌共同培养高效地去除remazol红色,并对预测模型进行比较分析

科学领域:

• 环境微生物学 环境微生物学
• 生物技术是生物技术.
• 废水处理 废水处理

背景情况:

• 雷马红5B是工业废水中常见的染料污染物.
• 藻类和藻类-细菌共生 (ABS) 显示出脱色的潜力.
• 了解生物吸收和预测建模对于优化染料去除至关重要.

研究的目的:

• 评估藻类和ABS在脱色雷马佐尔红5B.的有效性.
• 为了研究染料去除过程的生物吸收特性和动力学.
• 采用机器学习模型来预测共同培养系统中的染料去除效率.

主要方法:

• 使用Desmodesmus abundans和D. abundans和Rhodococcus pyridinivorans的复合物进行染料脱色.
• 使用像Temkin和Langmuir这样的模型分析了生物吸收异温和动力学.
• 评估机器学习模型,包括决策树,随机森林,支持向量回归和人工神经网络用于预测.

主要成果:

• 丰富的Desmodesmus和藻类-细菌复合物实现了高的染料去除百分比 (分别为75%和78%).
• 泰姆金模型最好地描述了生物吸收异温,表明了显著的吸附剂-生物吸收剂相互作用.
• 兰穆尔模型表明,藻类-细菌复合物的高生物吸收能力.
• 随机森林模型实现了最高的预测准确性 (R2 = 0.98),其次是SVR和ANN.

结论:

• 藻类和藻类-细菌共生是Remazol Red 5B脱色的有效生物剂.
• 生物吸收过程是由Temkin和Langmuir模型很好地描述的,突出显示了吸附剂的潜力.
• 机器学习,特别是随机森林,为染料去除效率提供了准确的预测能力.
• 结合生物处理和先进建模的混合方法可以提高废水处理的可持续性.