低PAHs玉米生物炭的制备条件的预测由CatBoost模型指导,通过遗传算法和分子动力学模拟优化
Jikai Lu1, Jiwei Ma1, Bing Wang2
1College of Engineering, Ocean University of China, 239 Song-ling Road, Qingdao 266100, Shandong, China.
Bioresource technology
|February 26, 2026
概括
使用玉米来优化生物炭生产需要控制水热条件. 机器学习确定了时间和元素含量等关键因素,以尽量减少有毒的多环芳 (PAHs),以确保安全的土壤应用.
科学领域:
- 农业科学 农业科学
- 环境化学环境化学
- 材料科学 材料科学 材料科学
背景情况:
- 生物炭增强了耕地,但含有有毒的多环芳 (PAHs).
- 通过土壤植物系统,PAHs对生态安全和人类健康构成风险.
- 优化生物炭生产对于安全的农业应用至关重要.
研究的目的:
- 调查水热碳化条件与生物炭中PAHs形成之间的相关性.
- 开发一个数据驱动的战略,以优化从玉米中生产低PAHs生物炭的生产.
- 确保生物炭在农业中的安全应用.
主要方法:
- 用玉米草进行水热碳化实验.
- 机器学习模型 (CatBoost) 用于预测PAH含量.
- 优化基因算法 (GA) 以确定最佳生产条件.
- 模拟分子动力学以了解反应机制.
主要成果:
- 在GA优化后,CatBoost模型实现了0.9914的R2,准确地分析了复杂的关系.
- 水热时间,和含量被确定为影响PAHs形成的关键因素.
- 确定了最佳条件 (240-300°C,6小时),以保持PAHs低于347.04μg/kg.
- 分子动力学证实了时间在碳链碎片化和反应转移中的作用.
结论:
- 一个可靠的GA-CatBoost策略被验证为优化生物炭生产.
- 了解关键因素可以控制降低生物炭中的PAHs.
- 这种方法有助于在农业中安全有效地使用生物炭.
