可解释机器学习揭示CTABr改性生物羟基磷灰石吸附剂对刚果红的非线性吸附机制
《Micromachines》:Explainable Machine Learning and Mechanistic Interpretation of Congo Red Removal by CTABr-Modified Bio-Apatite-Based Adsorbent
【字体:
大
中
小
】
时间:2026年09月29日
来源:Micromachines 3.5
编辑推荐:
废物衍生吸附剂是一种面向可持续废水处理的前景策略;然而,吸附过程往往受复杂的非线性相互作用支配,使用传统方法难以进行有效解释。本研究建立了一种整合实验研究与可解释机器学习的框架,用于研究十六烷基三甲基溴化铵(CTABr)改性的生物羟基磷灰石基吸附剂对刚果红(CR)的去除性能。
废物衍生吸附剂是一种面向可持续废水处理的前景策略;然而,吸附过程往往受复杂的非线性相互作用支配,使用传统方法难以进行有效解释。本研究建立了一种整合实验研究与可解释机器学习的框架,用于研究十六烷基三甲基溴化铵(CTABr)改性的生物羟基磷灰石基吸附剂对刚果红(CR)的去除性能。利用SEM–EDX、FTIR、XRD及热分析对吸附剂进行表征,确认其具有与羟基磷灰石和CTABr衍生表面官能团相关的异质富钙磷结构。通过改变溶液pH值、接触时间、初始CR浓度、CTABr浓度、吸附剂投加量和温度等参数,构建了一个包含批次吸附实验的数据集。实验结果表明,CR去除率范围为约22.9%至100%,最佳吸附容量对应的实验条件为:pH ≈ 2、接触时间 ≈ 120 min、初始CR浓度 ≈ 10 mg L?1、CTABr浓度 ≈ 0.5 meq g?1、吸附剂投加量 ≈ 0.2 g L?1,温度 ≈ 25 °C。分别开发了弹性网络(Elastic Net)、随机森林(RF)和梯度提升(GB)模型,并采用嵌套式重复五次交叉验证进行评估。非线性集成模型优于正则化线性方法,表明该吸附过程涉及操作变量之间复杂的非线性关系。其中,随机森林模型表现出最佳预测性能(R2 = 0.675 ± 0.167,RMSE = 14.63 ± 5.81个百分点),随后利用SHapley加性解释(SHAP)方法对其进行了可解释性分析。可解释性分析表明,在拟合模型及所研究的实验范围内,初始CR浓度是最主要的预测因子,其次是接触时间、吸附剂投加量、pH值、CTABr浓度和温度。SHAP依赖关系分析揭示了多种非线性行为,包括浓度依赖性抑制效应、类最优点量效应以及CTABr饱和响应。表征与建模结果的整合表明,吸附机制为多模态机制,主要涉及CTABr衍生的季铵基团与CR磺酸基团之间的静电吸引作用,辅以羟基磷灰石基质的相互作用、氢键作用以及疏水相互作用。所提出的框架展示了可解释机器学习如何弥合预测建模与吸附过程机理阐释之间的鸿沟,同时支持废物衍生材料在水处理领域的资源化利用。
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