评估线性和非线性回归方法对兰格穆尔吸附模型的适用性,应用于基于生物质的吸附剂:测试残留物和评估模型有效性

科学领域:

• 环境化学环境化学
• 吸附科学 吸附科学
• 化学工程是化学工程的重要组成部分.

背景情况:

• 线性回归通常用于拟合吸附异温模型,例如兰格穆尔方程,因为它很简单.
• 验证回归假设对于吸附研究中可靠的数据解释和推断至关重要.
• 对2,4-二二 (DCP) 吸附到生物质和活性炭上的线性兰格穆尔模型的稳定性需要彻底调查.

研究的目的:

• 批判性地评估各种线性回归方法的假设检查和稳定性,以将兰格穆尔方程与DCP吸附数据相匹配.
• 为了比较不同线性化的朗迈尔方程与非线性回归和符号回归的性能.
• 为吸附建模提出一个改进的工作流程,强调非线性和先进的回归技术.

主要方法:

• 使用四种线性化形式 (汉斯-伍尔夫,线织-伯克,伊迪-霍夫斯蒂,斯卡查德) 和非线性回归,拟合兰格穆尔等温数据.
• 严格的残留检查,包括视觉图和统计测试 (德宾-沃森,沙皮罗-威尔克,怀特测试).
• 应用符号回归来识别兰格穆尔方程并评估模型有效性.

主要成果:

• 汉斯-伍尔夫和Lineweaver-Burk线性化适用于大多数生物质吸附剂;Eadie-Hofstee和Scatchard通常是无效的.
• 由于违反独立性,所有线性化方法对活性炭都失败了.
• 非线性回归显示,所有吸附剂都没有严重违反假设.
• 符号回归仅为活性炭 (AC) 确定了朗格穆尔方程.

结论:

• 仅仅依赖于线性化的朗迈尔模型可能会因为假设违规而导致误导.
• 建议使用非线性或加权的非线性回归,并与线性化结果初始化.
• 符号回归提供了一个强大的替代方案,特别是当非线性方法遇到假设问题时,它提高了模型的准确性和机理理解.