新聞科研進(jìn)展
生物炭是農(nóng)林廢棄物等生物質(zhì)材料熱解后所得的碳質(zhì)材料，具有多孔結(jié)構(gòu)及豐富的表面官能團(tuán)，是養(yǎng)殖尾水和富營(yíng)養(yǎng)化水體中磷的環(huán)保型吸附劑。然而，吸附劑的開(kāi)發(fā)和吸附過(guò)程的解析優(yōu)化存在耗時(shí)費(fèi)力、針對(duì)性不強(qiáng)、不夠精準(zhǔn)等技術(shù)瓶頸。
中國(guó)科學(xué)院水生生物研究所漁業(yè)智能技術(shù)與裝備研究組聯(lián)合武漢紡織大學(xué)環(huán)境工程學(xué)院，借助機(jī)器學(xué)習(xí)技術(shù)，構(gòu)建了時(shí)間跨度13年（2011-2023）、數(shù)據(jù)樣本超過(guò)1200條、且涵蓋生物炭理化特性、水質(zhì)參數(shù)、除磷條件等多維變量的190種生物炭數(shù)據(jù)集。在此基礎(chǔ)上，優(yōu)化了隨機(jī)森林RF算法和CatBoost算法，建立了R2值為0.9573、RMSE值為8.02的磷吸附容量預(yù)測(cè)模型。利用該模型，可以快速分析并確定影響生物質(zhì)變量的權(quán)重，預(yù)測(cè)了單特征和雙特征互作對(duì)磷吸附容量的影響，為優(yōu)化智慧漁業(yè)生物炭設(shè)計(jì)、提升受污水體磷去除效率提供了新技術(shù)與新方法支撐。
圖1.研究方法示意圖
圖2.RF模型和CatBoost模型的預(yù)測(cè)能力對(duì)比
圖3.各影響變量的重要性
該研究以“Machine learning-driven prediction of phosphorus adsorption capacity of biochar：Insights for adsorbent design and process optimization”為題近期在線發(fā)表于Journal of Environmental Management（https://doi.org/10.1016/j.jenvman.2024.122405）。該研究得到湖北省自然科學(xué)基金項(xiàng)目和武漢市知識(shí)創(chuàng)新專項(xiàng)曙光計(jì)劃項(xiàng)目等項(xiàng)目資助。水生所呂華飛助理工程師為該論文第一作者，水生所段明研究員為共同通訊作者。