使用超声波催化剂对有机污染物的超声波降解进行基于层次机器学习的预测
Heewon Jeong1, Byung-Moon Jun2, Hyo Gyeom Kim3
1Future and Fusion Lab of Architectural, Civil and Environmental Engineering, Korea University, Seoul, 02841, Republic of Korea.
Environmental research
|August 3, 2025
概括
本研究介绍了一种用于高级氧化过程 (AOPs) 的新型两阶段机器学习模型. 它通过结合过氧化 (H2O2) 和活性氧物种 (ROS) 动态,准确地预测有机污染物的降解.
科学领域:
- 环境化学环境化学
- 化学工程是化学工程的重要组成部分.
- 材料科学 材料科学 材料科学
背景情况:
- 先进的氧化过程 (AOP) 对于降解有机污染物至关重要.
- 过氧化 (H2O2) 是AOPs的基因生成中的关键中间体.
- 传统的机器学习模型往往无法捕捉反应性氧物种 (ROS) 的复杂动态.
研究的目的:
- 开发一个两阶段的层次机器学习模型,用于预测基于超声波的AOP中的降解效率.
- 在预测模型中明确纳入H2O2的作用.
- 为了增强机械学理解和优化使用声催化剂的AOP.
主要方法:
- 使用CatBoost开发了一个两阶段的层次机器学习模型.
- 第一阶段:预测超声波反应期间的H2O2度.
- 第二阶段:利用预测的H2O2水平和实验条件,估计降解效率.
主要成果:
- 在两个阶段实现了高预测性能,R平方值为0.9941和0.9986.
- 证明超声波频率通过影响H2O2生产来间接影响降解效率.
- 确定了H2O2度和降解效率之间的非线性关系.
结论:
- 开发的机器学习框架有效地将ROS集成到基于超声波的AOP预测建模中.
- 该模型增强了机械学的理解,并为使用声催化剂优化AOP提供了一条途径.
- 这种方法通过考虑关键中间体,如H2O2.2,可以更准确地预测降解效率.
关键词:
先进的氧化过程具有先进的氧化过程.可解释的人工智能阶层模型模型的层次结构.MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF这就是MXene MXene.有反应性氧物种的反应性氧物种.更多相关视频
08:30A Complete Method for Evaluating the Performance of Photocatalysts for the Degradation of Antibiotics in Environmental Remediation
Published on: October 6, 2022
2.3K
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.7K
