使用电化学氧化去除酸 (PFOA):一种机器学习方法
Sally Alnaimat1, Osama Mohsen2, Haitham Elnakar3
1Department of Civil and Environmental Engineering, King Fahd University of Petroleum & Minerals, Dhahran, 31261, Saudi Arabia.
Journal of environmental management
|October 15, 2024
概括
机器学习模型预测了去除 perfluorooctanoic 酸 (PFOA) 的电氧化效率. 随机森林模型表现出色,确定电解时间对于污染物降解至关重要.
科学领域:
- 环境化学环境化学
- 电化学 电化学 电化学
- 机器学习 机器学习
背景情况:
- perfluorooctanoic 酸 (PFOA) 是一种持久性污染物,需要有效的去除策略.
- 电氧化 (EO) 是一种有前途的技术,用于降解像PFOA这样的环境污染物.
研究的目的:
- 评估和比较各种机器学习 (ML) 模型来预测PFOA清除中的EO效率.
- 使用 ML. 识别影响PFOA降解过程的关键操作参数.
主要方法:
- 评估K-最近邻居 (KNN),决策树 (DT),随机森林 (RF),梯度增强决策树 (GBDT) 和深度学习 (DL) 模型.
- 使用十倍交叉验证来评估模型性能.
- 使用基尼杂质和平均精度下降 (MDA) 分析特征重要性.
主要成果:
- 随机森林 (RF) 模型表现出卓越的性能,RMSE为7.7,相关系数为0.965.5.
- 电解时间被确定为影响PFOA去除效率的最重要因素.
- 电流密度和阳极材料也是关键因素,基尼和MDA分析之间排名有些差异.
结论:
- 射频模型提供了一个强大而准确的工具,用于预测PFOA修复中的EO效率.
- 了解电解时间等关键操作参数对于优化电化学降解过程至关重要.
- 这项研究通过提供可靠的基于ML的污染物降解方法来推进环境修复技术.
关键词:
决策树 决策树是一个决策树.电化学氧化电化学氧化功能重要性 功能重要性吉尼杂质是吉尼的杂质.机器学习 机器学习平均精度下降的平均值.在PFAS中,我们可以使用PFAS.这就是PFOA的PFOA.随机的森林随机的森林更多相关视频
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
12.4K
07:06Investigating Long-Distance Transport of Perfluoroalkyl Acids in Wheat via a Split-Root Exposure Technique
Published on: September 28, 2022
1.5K
