机器学习与响应表面方法的整合,以提高通过硫功能化mxene涂层QPPO/PVA AEM提升酸盐 (V) 的去除效率

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:

• 饮用水中的 (As(V)) 由于其有毒和致癌性质,造成严重的健康风险.
• 目前用于去除酸盐的膜技术需要进一步改进,以获得最大的可重复使用性和有效性.
• 开发先进的材料和方法对于有效的修复至关重要.

研究的目的:

• 为了研究S功能化Mxene涂层在QPPO/PVA离子交换膜上的As(V) 去除的有效性.
• 使用响应表面方法 (RSM) 和机器学习 (ML) 模型优化吸附参数.
• 为了评估开发的膜的吸附能力,动力学和热力学.

主要方法:

• 用S功能化的Mxene涂层QPPO/PVA离子交换膜.
• 使用响应表面方法 (RSM) 与中央复合设计 (CCD) 优化吸附参数.
• 机器学习 (ML) 回归模型的应用,特别是随机森林回归 (RFR),用于参数微调和预测.

主要成果:

• RSM分析证实了变量的高显著性 (R2=0.995).
• RFR模型实现了高预测精度 (R2=0.929) 并确定了As(V) 度作为关键因素.
• 优化条件 (pH3,5分钟,50毫克L-1As(V)) 产生最大吸附率;观察到弗洛伊德利希等温度 (413毫克/克) 和伪二次动力学 (R2=0.989).
• 热力学研究表明,有一个自发的吸附过程.

结论:

• 具有S功能的Mxene涂层AEM显示出高效的As(V) 清除.
• 基于机器学习的优化为设计用于水处理的先进膜提供了一种新有效的方法.
• 这项研究在消除饮用水中的有毒重金属的基于膜的策略中取得了重大进展.