机器学习驱动的预测金属改性生物炭的去除性能和优化制备过程,考虑到水质管理目标
Weilin Fu1, Menghan Feng1, Changbin Guo1
1Agro-Environmental Protection Institute, Ministry of Agriculture and Rural Affairs, Tianjin 300191, China; Dali Comprehensive Experimental Station of Environmental Protection Research and Monitoring Institute, Ministry of Agriculture and Rural Affairs (Dali Original Seed Farm), Dali 671004, China.
机器学习优化了金属修饰生物炭,以去除水中的酸盐. 这种方法为特定的水质需求量身定制生物炭制备,实现高吸附能力和低残留酸盐水平.
科学领域:
- 环境科学 环境科学
- 材料科学 材料科学 材料科学
- 数据科学数据科学数据科学
背景情况:
- 酸盐污染是一个重要的环境问题,影响水质.
- 生物炭,特别是金属改性生物炭,对酸盐吸附有很大的希望.
- 为特定的水条件优化生物碳设计仍然是一个挑战.
研究的目的:
- 开发一种基于机器学习的方法来优化金属修饰生物炭设计.
- 使用机器学习模型预测酸盐吸附能力和残留度.
- 为各种水质管理目标量身定制生物炭制备.
主要方法:
- 编制和分析了金属修饰生物炭对酸盐吸附的文献数据.
- 用6种机器学习模型来预测吸附性能.
- 进行了超参数优化,梯度增强显示出优异的结果 (R2 > 0.96).
主要成果:
- 影响吸附的关键因素包括金属负载,固体-液体比率和pH值.
- 经过修饰的生物炭表现出最高的吸附能力 (387-396 mg/g).
- 用兰修饰的生物炭获得了最低的残留酸盐度 (0 mg/L).
结论:
- 机器学习为设计优化的金属改性生物炭提供了有效的策略.
- 开发的方法使得针对水处理的定制生物炭制备成为可能.
- 实验验证证了机器学习预测的准确性.
更多相关视频
08:21Optimized Procedure for Determining the Adsorption of Phosphonates onto Granular Ferric Hydroxide using a Miniaturized Phosphorus Determination Method
Published on: May 18, 2018
06:42Measuring Phosphorus Release in Laboratory Microcosms for Water Quality Assessment
Published on: July 22, 2019
相关概念视频
Factors Affecting Solubility
Microbial Bioremediation of Uranium
Microbial Bioremediation of Hydrocarbons
