作者投稿
专家审稿
投稿指南
下载中心地址：浙江省杭州市萧山区拱秀路288号煤科大厦
邮编：311201
编辑部电话：0571-82989702；19558121964
编辑部邮箱：office@eep1987.com
收稿日期：2023-09-06 修回日期：2023-10-17 刊出日期：2023-12-02
免费下载
2023年06期
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(R^2=0.91~0.93)和多目标(R^2=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 1000 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。
收起-佟颖, 蒋绍坚, 康冰艳, 等. 废水中鸟粪石回收的机器学习预测和优化[J]. 能源环境保护, 2023, 37(6):79-88.
TONG Ying, JIANG Shaojian, KANG Bingyan, et al. Prediction and optimization of struvite recovery from wastewater by machine learning[J]. Energy Environmental Protection, 2023, 37(6): 79-88.