通过使用响应表面方法和预测建模,通过酸出废弃印刷电路板的可持续金属回收,使用响应表面方法和预测建模

科学领域:

• 环境化学环境化学
• 材料科学 材料科学 材料科学
• 可持续技术 可持续技术

背景情况:

• 印刷电路板 (PCB) 由于含有危险材料和有价值金属的含量,造成环境风险.
• 传统的回收方法往往涉及恶劣的化学品和严重的环境影响.
• 从电子废物中有效回收金属对于节约资源和减少污染至关重要.

研究的目的:

• 开发和优化一种绿色的水力金方法,从手机PCB中提取金属.
• 评估酸作为金属回收的环保液化剂的有效性.
• 应用机器学习模型来优化金属炼过程和预测回收率.

主要方法:

• 在手机PCB上使用酸进行金属溶解实验.
• 研究了包括酸度,纸密度,温度和时间在内的关键过程变量.
• 响应表面方法和机器学习模型 (多项式回归) 用于过程优化和预测.

主要成果:

• 实现了高漏效率:银 (Ag) 约为93%, (Al) 91%, (Zn) 92%左右.
• 确定的最佳条件是1M酸,70gL-1纸密度,75°C和120分钟.
• 多项式回归模型在预测白银回收方面表现出色 (R² = 1.000,RMSE ≈ 0).

结论:

• 酸是一种高效和可持续的液剂,用于从PCB中回收贵金属.
• 实验优化和数据驱动建模的综合方法提高了漏效率,减少了对环境的影响.
• 这种绿色方法提供了一个可行的替代传统的酸洗,尽量减少对危险无机酸的依赖.