机器学习辅助预测工程碳系统通过吸附技术处理织染废水的能力

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:

• 工业染料的使用导致了大量的废水污染,造成环境和健康风险.
• 工程碳系统 (ECS) 是一种有前途的方法,可以从污染水中可持续地去除染料.
• 要了解ECS上的染料吸附机制,需要考虑各种实验和环境因素进行强大的建模.

研究的目的:

• 开发和验证一个预测建模框架,以评估ECS在织废水中的染料去除潜力.
• 确定影响ECS上的染料吸附效率的关键参数.
• 使用ECS优化从水性矩阵中提取染料.

主要方法:

• 编制用于从织废水中去除染料的ECS的综合数据库.
• 应用和比较十二个不同的机器学习模型 (XGBoost,光梯度提升,随机森林等). 为了预测染料吸附.
• 分析实验和环境因素,包括ECS数量,染料度 (C_o) 和废水pH值,使用部分依赖性分析.

主要成果:

• XGBoost表现出卓越的性能,具有最高的R2 (0.986培训,0.978测试) 和最低的MSE (0.01培训,0.136测试).
• 确定了ECS数量,染料度 (C_o) 和废水pH值作为影响吸附的关键因素.
• 最佳吸附条件因染料类型而异:酸性pH偏好直接,反应和分散的染料,而性pH偏好基本和VAT染料.

结论:

• 机器学习模型,特别是XGBoost,为ECS上的染料吸附提供了准确的预测,促进了高效的废水处理设计.
• 废水pH值是一个关键参数,特定的pH值范围优化了不同染料类别在ECS上的吸附.
• 这项研究提供了有关调节染料-ECS吸附的相互作用的宝贵见解,为增强的染料去除策略铺平了道路.