发现了以污染物为导向的先进氧化过程的端到端模式,由生物炭催化,可解释的机器学习
Rupeng Wang1, Honglin Chen1, Zixiang He1
1State Key Laboratory of Urban Water Resource and Environment, School of Environment, Harbin Institute of Technology, Harbin, Heilongjiang Province 150090, China.
Environmental science & technology
|August 20, 2024
概括
本研究介绍了一种层次机器学习管道,用于优化生物炭催化过氧化硫酸盐高级氧化过程 (BC-PMS AOPs) 针对特定新出现的污染物. 该方法使以污染物为导向的降解优化,桥梁ML开发和环境应用.
科学领域:
- 环境化学环境化学
- 水处理技术水处理技术
- 机器学习应用 机器学习应用
背景情况:
- 生物炭催化过氧硫酸盐高级氧化过程 (BC-PMS AOPs) 是有效的新兴污染物 (EC) 缓解.
- 机器学习 (ML) 已被用于预测BC-PMS AOP中的反应速率,但缺乏污染物特定的优化.
研究的目的:
- 为BC-PMS AOPs的端到端 (E2E) 污染物导向优化开发一个层次化的ML管道.
- 为了使使用ML的不同EC实现特定的降解策略.
主要方法:
- 在BC-PMS AOPs中开发了一个XGB模型来预测EC降解反应常数.
- 创建了基于HOMO-LUMO差距的EC特定子模型,以进行有针对性的优化.
- 为E2E操作模式实施了层次化的ML管道.
主要成果:
- 综合的XGB模型准确地预测了各种EC的反应常数.
- 分模型为特定的EC提供了基于其电子属性的定制优化策略.
- E2E管道证明了BC-PMS AOPs有效的以污染物为导向的优化.
结论:
- 层次化的ML管道成功地弥合了ML模型开发和AOP中的实际环境应用之间的差距.
- 这项研究促进了对BC-PMS AOPs污染物导向优化的理解和应用.
- 开发的方法通过先进的氧化工艺促进了对新出现的污染物的有针对性的缓解.
更多相关视频
11:19Measuring Carbon-based Contaminant Mineralization Using Combined CO2 Flux and Radiocarbon Analyses
Published on: October 21, 2016
11.9K
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
8.6K
