废水中鸟粪石回收的机器学习预测和优化
佟颖
蒋绍坚
康冰艳
冷立健
李海龙
中南大学 能源科学与工程学院,湖南 长沙 410083
摘要：基于机器学习的方法,探究了从模拟废水中以鸟粪石的形式回收氮和磷的问题.利用极限梯度提升算法(XGBoost)和随机森林(RF)模型对磷回收率和氮回收率进行单目标和多目标预测,明确了7 种工艺条件对鸟粪石结晶的影响.XGBoost在单目标(R2 =0.91～0.93)和多目标(R2=0.89)的预测方面表现均优于RF.此外,在P初始浓度为10 mg/L和1 000 mg/L的情况下,通过实验验证了多目标模型的优化解集,得到鸟粪石回收的最佳工艺条件为 N ∶ P 比值为1.2 ∶ 1,Mg ∶ P为1 ∶ 1,pH为9.5,反应时间为80 min,反应温度为25℃,搅拌速率为240 r/min.
关键词：废水资源化机器学习鸟粪石磷回收氮回收
分类号：X701(一般性问题)
资助基金：国家重点研发计划(2021YFE0104900)
论文发表日期：2023-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 79-88 )
英文信息