基于数据的电容去离子过程中离子特异性浓度预测:离子耦合与特征选择的影响
《Journal of Environmental Chemical Engineering》:Data-driven prediction of ion-specific concentrations in capacitive deionization: effects of ionic coupling and feature selection
【字体:
大
中
小
】
时间:2026年07月12日
来源:Journal of Environmental Chemical Engineering 7.5
编辑推荐:
萨利赫·H·阿尔哈特卢尔|雅齐德·阿尔古拉伊尼
沙特阿拉伯利雅得,国王萨乌德大学工程学院土木工程系,邮政信箱800,邮编11421
摘要
电容去离子技术是一种电化学海水淡化技术,其离子去除过程受电化学作用与物质传输过程的共同影响,因此需要能够体现系统各变量之间复杂相
萨利赫·H·阿尔哈特卢尔|雅齐德·阿尔古拉伊尼
沙特阿拉伯利雅得,国王萨乌德大学工程学院土木工程系,邮政信箱800,邮编11421
摘要
电容去离子技术是一种电化学海水淡化技术,其离子去除过程受电化学作用与物质传输过程的共同影响,因此需要能够体现系统各变量之间复杂相互关系的预测模型。本研究采用数据驱动建模方法,利用电化学参数与水质参数来预测贯穿式电容去离子系统中的钠离子(?Na?)和氯离子(?Cl?)浓度。研究设计了四种预测方案,通过选择性地纳入或排除互补离子作为预测因子,系统评估离子耦合效应。研究构建了线性回归模型以及随机森林、极端梯度提升、k最近邻和支持向量回归等机器学习模型,并通过交叉验证对其性能进行评估。结果表明,当同时考虑?Na?和?Cl?时,二者之间的强耦合显著提升了预测精度,但也会导致严重的多重共线性问题,影响模型稳定性。在线性回归模型中,当所有关键预测因子都存在时模型精度较高,但若缺少某些因子则性能下降;而机器学习模型在所有测试场景下均保持较高性能。在所评估的模型中,支持向量回归模型的整体预测精度最佳(决定系数R2为0.980–0.991,均方根误差为1.30–3.42,平均绝对误差为0.86–2.17),显示出较强的捕捉非线性关系及变量间相互依赖性的能力。研究结果表明,引入物理上相互关联的预测因子虽能提升针对特定离子的预测精度,但会增加多重共线性问题,因此在电容去离子模型构建过程中应同时考量预测因子的配置与模型精度。该基于场景的框架量化了互补离子信息与电导率对电容去离子系统中特定离子预测的影响,为未来开展多离子选择性研究提供了基础。
引言
电容去离子技术因其低能耗、操作灵活且环境友好等优点,已成为一种高效、可持续的水处理与离子去除电化学技术,尤其适用于微咸水处理领域[1][2][3][4]。近年来,随着电极材料、电池结构及工艺优化方面的不断进展,电容去离子技术作为传统海水淡化技术的替代方案越来越受到重视[5][6][7][8]。该技术基于循环电吸附原理,离子在充电阶段被去除,而在放电阶段又被释放,其动态离子传输行为受电化学条件与流体动力学条件的共同调控[9][10][11][12]。
电容去离子系统的性能取决于电化学参数与水质参数之间的相互作用,这些参数包括电流、电极电位、电导率、pH值以及溶解氧含量[13][14]。在各种溶解物质中,钠离子(?Na?)和氯离子(?Cl?)对溶液化学性质及电导率起着决定性作用,尤其是在以NaCl为基础的系统中,由于电荷中性要求以及电双层内的离子传输作用,这两种离子之间存在强烈的耦合关系[9][11][15][16]。这种耦合使得?Na?与?Cl?的表现高度相关,进而直接影响离子去除效率与电荷存储能力[3][17][18]。因此,电导率与离子浓度本质上具有相互依赖性,它们反映的是共同的物理化学过程,而非独立的系统变量[19][20][21]。
从建模角度来看,这种相互依赖性给预测分析带来了挑战。在电容去离子系统运行过程中,多个变量往往存在相关性,因为它们都对相同的充放电过程作出响应[9][10][11][12][13][14]。电流与电极电位直接与施加电压及电荷存储行为相关,而电导率、Na?浓度与Cl?浓度则在充电时离子被去除、放电时又被释放的过程中同步变化[15][16][19][20][21]。此外,pH值与溶解氧等次要水质参数也会随电化学条件发生变化,不过其影响程度通常低于那些起主导作用的离子与电学参数[13][14]。因此,电容去离子模型中的多重共线性可能源于与电池充放电相关的电化学变量,以及与离子强度与离子浓度相关的水质变量。这类相关预测因子虽然可以通过体现符合物理规律的电容去离子系统行为来提升预测精度,但也会降低系数的稳定性、模型的可解释性以及泛化能力[22]。对于线性回归这类可解释的统计模型而言,即便整体预测精度较高,这类相关性也可能掩盖各个预测因子的独立贡献。而对于机器学习模型来说,同样的相互依赖性会影响特征排序、预测因子选择,以及电导率相对于特定离子变量的相对重要性。在电容去离子系统中,这一问题尤为重要,因为离子耦合是系统运行机制的一部分,而非单纯的统计效应。
数值模型与机理模型在电容去离子研究中发挥了重要作用,它们可用于描述离子电吸附过程、电荷存储行为、电双层特性以及盐分去除动态。基于唐南效应的模型及改进型唐南模型被用于描述微孔碳电极内的离子分配与电势分布情况[23],而多孔电极模型则用于描述离子传输、浓度梯度及吸附动态[24]。对于那些流场方向与电场方向通过多孔电极相互耦合的电池结构,人们还开发了贯穿式电极电容去离子模型[25]。这类模型很有价值,因为它们能够明确纳入传输方程、静电相互作用以及电极尺度相关参数[23][24][25][26]。不过,应用这类模型时往往需要假设一些条件或拟合与孔结构、微孔体积、斯特恩层电容、电荷效率、离子传输系数、边界条件以及电极特性等相关的数据[23][24][25][26]。相比之下,数据驱动模型则通过直接从实验数据中学习变量间的关系,提供了一种互补的方法。经过训练后,这类模型能够根据可测量的运行参数快速估算目标输出值,还能表征那些存在关联、相互作用且可能呈非线性特征的预测因子与响应关系,而无需显式建立所有的传输过程与电双层模型。
近期有研究将机器学习与深度学习技术应用于电容去离子及相关电化学海水淡化系统中。其中,可解释的机器学习模型被用于预测电容去离子系统的电吸附容量,并分析电极与工艺参数的贡献程度[27];而基于机器学习的方法则被用于预测长期运行下的电容去离子系统性能,并优化工艺控制参数[28]。还有研究开发了深度学习模型,用于预测恒电流与恒电压条件下电容去离子系统的出水浓度[29],同时也有研究将基于树的模型与深度学习模型进行对比,用以预测电容去离子系统出水的pH值与浓度[30]。此外,还有一些研究将基于人工智能的电容去离子建模技术应用于解释电容去离子系统在污染状态下的运行行为[31]、预测多孔碳电极电容去离子系统的性能[32]、优化流式电极电容去离子系统中的盐分吸附容量[33],以及预测流式电极水溶液中的离子浓度[34]。这些研究充分体现了基于人工智能的建模技术在预测电容去离子系统性能、分析各因素的贡献程度、优化工艺流程以及快速估算系统运行结果方面的应用价值。
尽管取得了诸多进展,但目前大多数基于人工智能的电容去离子研究仍然集中在整体海水淡化性能、出水电导率或浓度、pH值预测、电极级容量预测、污染行为、长期系统运行以及流式电极电容去离子系统等方面[27][28][29][30][31][32][33][34]。而对于贯穿式电容去离子系统中特定离子?Na?与?Cl?的预测,尤其是如何通过纳入互补离子、考虑电导率、特征选择以及多重共线性等因素来影响模型性能,目前相关研究还相对较少。这一差异非常重要,因为在以NaCl为基础的电容去离子系统中,?Na?、?Cl?与电导率之间存在物理上的相互依赖性,将它们作为预测因子虽能提升预测精度,但也会增加数据的统计冗余度。
因此,本研究提出了一种基于场景的预测建模框架,用于估算贯穿式电容去离子系统中的?Na?与?Cl?浓度。本研究的具体目标包括:(1)构建用于预测贯穿式电容去离子系统中?Na?与?Cl?浓度的模型;(2)评估离子耦合与多重共线性对模型性能的影响;(3)比较不同预测因子配置下的线性回归模型与机器学习模型的性能;(4)确定能够在保证预测精度的同时兼顾特征选择与模型可解释性的建模策略。研究通过有选择地纳入或排除互补离子,同时保持一组固定的电化学参数与水质参数,从而设计了四种预测方案。随后,研究利用交叉验证方法构建并评估了线性回归模型与机器学习模型,並通过决定系数、均方根误差以及平均绝对误差等指标对模型性能进行了评价。研究结果表明,纳入互补离子虽能提升针对特定离子的预测精度,但会加剧多重共线性问题;而机器学习模型,尤其是支持向量回归模型,在不同的预测因子配置下都能保持较为稳定的预测性能。本研究为分析电容去离子系统中相互耦合的离子预测因子提供了结构化的分析框架,也为开发用于特定离子预测以及未来选择性评估的数据驱动工具奠定了基础。
章节节选
电容去离子系统结构
本研究构建了一个实验室规模的贯穿式电容去离子系统,该系统由两块多孔活性炭布电极构成(型号为ACC-5092-15,制造商为日本Nippon Kynol公司)(见图S1)。每块电极的比表面积约为1500 2m2/g?C,质量为0.20±0.20克。这两块电极在两种不同的电池结构中以对称方式布置,即一种结构为阴极位于上游、阳极位于下游,另一种则为阳极位于上游、阴极位于下游。
为防止电气……
电容去离子运行过程中的电化学行为
图1展示了两种电池结构在电容去离子系统的吸附-解吸循环过程中,电流、电极电位以及出水电导率的动态变化情况。在这两种情况下,当施加恒定电压1.2伏特时,电流会先出现一个急剧上升的峰值,随后逐渐下降,这一现象表明离子正在快速迁移,同时电双层也在迅速形成。在放电阶段,电流方向发生反转,这反映出离子被释放出来,电极也处于再生状态。阴极与阳极……
电化学行为与数据集特征
在电容去离子系统运行过程中所观测到的电化学参数与水质参数(见图1、图2)与多孔碳电极上的电容充电过程及电双层形成现象相符。在充电过程中,电流先出现峰值然后逐渐下降,这一瞬态电流响应反映了离子从溶液主体向电极表面快速迁移的过程,随后电双层中可用的吸附位点逐渐被占据[9][11][12]。在放电过程中,电流方向的反转也与这一现象一致。
结论
本研究构建了一种数据驱动的建模框架,用于预测贯穿式电容去离子系统中?Na?与?Cl?这两种特定离子的浓度,并系统分析了离子耦合与多重共线性对预测性能的影响。研究结果表明,电容去离子系统中的离子传输过程与复杂的电化学行为密切相关,电荷中性约束条件以及电双层的形成会导致各种离子之间出现高度的相关性。
利益冲突声明
作者声明不存在任何利益冲突。
资金支持
本研究得到了沙特阿拉伯利雅得国王萨乌德大学“持续研究资助计划”(项目编号ORF-2026-1437)的资助。
作者贡献说明
萨利赫·阿尔哈特卢尔:负责原文撰写、可视化处理、模型验证、研究监督、软件应用、方法设计、实验研究以及定量分析工作。雅齐德·阿尔古拉伊尼:负责文本审阅与编辑、可视化处理、模型验证、研究监督、资源协调、项目管理、方法设计、实验研究、资金申请、数据整理以及研究构思工作。
关于写作过程中生成式人工智能与人工智能辅助技术的声明
作者确认,在撰写或编辑本稿时并未使用任何人工智能辅助技术,也没有通过人工智能手段对图像进行过任何处理。
利益冲突声明
作者声明自己不存在任何可能影响本研究结果的已知财务利益或个人关系。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号