通过WO3/Co-ZIF纳米复合材料使用机器学习方法去除Cefixime.
Amir Sheikhmohammadi1, Hassan Alamgholiloo1, Mohammad Golaki2
1Department of Environmental Health Engineering, School of Health, Khoy University of Medical Sciences, Khoy, Iran.
Scientific reports
|June 15, 2024
概括
这项研究开发了一种环保的WO3/Co-ZIF纳米复合材料工艺,用于从水中去除Cefixime. 智能模型优化了条件,支持向量回归 (SVR) 模型显示了污染物去除的卓越预测准确性.
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:
- 抗生素残留物,如Cefixime,对环境构成风险.
- 开发有效和可持续的方法来从水溶液中去除制药污染物至关重要.
- 纳米复合材料为先进的水处理技术提供了有前途的途径.
研究的目的:
- 开发和优化使用WO3/Co-ZIF纳米复合材料从水溶液中去除Cefixime的环保工艺.
- 采用智能决策模型来预测和优化Cefixime降解.
- 为了比较各种人工智能和优化模型在实现高效的污染物清除方面的性能.
主要方法:
- 使用WO3/Co-ZIF纳米复合材料进行Cefixime降解.
- 应用式支持向量回归 (SVR),遗传算法 (GA),人工神经网络 (ANN),模拟优化语言用于可视化Excel结果 (SOLVER),以及响应表面方法 (RSM) 用于建模和优化.
- 使用平均绝对误差 (MAE),根平均平方误差 (RMSE) 和确定系数 (R2得分) 评估模型性能.
主要成果:
- 在RSM的二次因数模型中,pH,反应时间和催化剂量被确定为重要因素.
- 该SVR模型表现出优异的预测性能,R2得分为0.98,MAE为1.54和RMSE为3.91.
- 在ANN和SVR模型中,pH值是最有影响力的参数.
- GA确定了Cefixime初始度,反应时间和催化剂量之间的相互作用对于优化至关重要.
- 通过GA和SOLVER确定的最佳条件包括Cefixime的特定度,pH,时间和催化剂量.
结论:
- WO3/Co-ZIF纳米复合材料提供了一种有效和环保的Cefixime去除方法.
- 智能决策模型,特别是SVR,显著提高了污染物清除过程的预测和优化.
- 这项研究有助于通过智能优化技术推进可持续的环境修复策略.
