基于使用L-BFGS算法的人工神经网络预测ZIF-67对马拉绿的吸附性能

科学领域:

• 材料科学 材料科学 材料科学
• 环境化学环境化学
• 计算化学的计算化学

背景情况:

• 像马拉绿 (MG) 这样的有机污染物对环境构成风险,需要有效的去除方法.
• 选高容量吸附剂对于环境修复至关重要.
• 人工神经网络 (ANN) 方法提供了快速而准确的吸附剂评估.

研究的目的:

• 合成ZIF-67材料用于有机污染物吸附.
• 为了评估ZIF-67对马六合绿 (MG) 的吸附性能.
• 开发和验证基于Python的ANN模型,用于预测ZIF-67吸附能力.

主要方法:

• 合成ZIF-67的材料.
• 批量吸附实验以确定MG吸附能力和动力学.
• 使用有限内存BFGS算法开发基于Python的ANN模型.
• 对ANN模型与实验数据的验证,并与基于Matlab的模型进行比较.

主要成果:

• ZIF-67对MG (241.720毫克g-1) 具有很高的吸附能力.
• 吸附遵循伪二次动力学和兰格穆尔等温法 (R2 > 0.995).
• 基于Python的ANN模型实现了高预测准确性 (R2 = 0.9882,MSE = 0.0009) 并显示出其他污染物的良好概括性.

结论:

• ZIF-67是一种有前途的吸附剂,用于清除马拉绿色.
• 一个基于Python的ANN模型为预测吸附剂性能提供了一个强大而准确的框架.
• 这种方法可以加速发现和设计用于环境应用的新型吸附剂.