一种基于机器学习的模拟方法,用于使用修改后的天然吸附剂去除染料

科学领域:

• 环境科学 环境科学
• 材料科学 材料科学 材料科学
• 计算化学计算化学

背景情况:

• 污染废水的化染料带来环境风险.
• 开发可持续且具有成本效益的染料去除方法至关重要.
• 农业废物为新型生物吸收材料提供了一个有希望的来源.

研究的目的:

• 为了评估水果种子衍生生物吸收剂在甲蓝 (MB) 染料去除中的有效性.
• 为了研究各种实验参数对染料吸附的影响.
• 应用机器学习模型来预测生物吸收剂的性能.

主要方法:

• 用levulinic acid (LA) 修饰的杏仁,杏仁和核桃被合成为生物吸收剂.
• 实验数据 (105分) 收集了不同的pH值,吸附剂剂量,度,时间和温度.
• 机器学习算法包括渐变增强 (GB),MLP,XGBoost和随机森林被用于回归分析.
• 使用斯皮尔曼相关性来对属性进行排名,因为数据分布异常.

主要成果:

• 渐变增强 (GB) 模型在预测MB移除方面表现出卓越的性能.
• 在GB模型中,R2值为0.8858的去除百分比和0.9532的吸附能力.
• 通过相关性分析确定了影响吸附的关键参数.

结论:

• 用LA修饰的水果种子废物作为MB染料去除的有效生物吸收剂.
• 机器学习模型,特别是GB,可以准确预测生物吸收剂的性能.
• 这种方法为染料废水处理提供了一个可持续的解决方案.