用机器学习实现可持续资源回收的-溶液聚合物膜度
Zhanlin Ji1, Hao Guan2, Meng Wang2
1College of Mathematics and Computer Science, Zhejiang A&F University, Hangzhou 311300, PR China.
Water research
|August 23, 2025
概括
机器学习优化了纳米过膜从盐水中恢复资源. 受压力和粗度的影响,是高水透率和离子排斥的关键.
科学领域:
- 材料科学
- 化学工程
- 环境科学
背景情况:
- 从海水和盐水中有效地回收宝贵资源对于全球可持续性至关重要.
- 传统的膜方法存在性能限制和不清楚的机制.
研究的目的:
- 为优化纳米过膜性能开发机器学习框架.
- 阐明管理资源回收的结构-流程-性能关系.
主要方法:
- 使用机器学习模型系统优化纳米过膜.
- 综合沙普利增量解释 (SHAP) 和部分依赖性分析以了解影响因素.
- 使用粒子群优化来提高性能.
主要成果:
- 在分离性能中确定了固体障碍为主导因素.
- 通过膜压力 (5-10 bar) 和表面粗度 (3.4-3.5 nm) 来确定高性能.
- 实现了高透率 (15.12 L·m−2·h−1),具有优异的 Li+ 和 Mg2+ 排斥.
结论:
- 机器学习为优化膜过程和理解机制提供了强大的范式.
- 这种方法为推进基于膜的盐水资源回收提供了理论指导.
更多相关视频
10:31Detection and Recovery of Palladium, Gold and Cobalt Metals from the Urban Mine Using Novel Sensors/Adsorbents Designated with Nanoscale Wagon-wheel-shaped Pores
Published on: December 6, 2015
28.2K
08:06Merging Ion Concentration Polarization between Juxtaposed Ion Exchange Membranes to Block the Propagation of the Polarization Zone
Published on: February 23, 2017
8.6K
