文档名：基于机器学习的碳基材料对水中四环素吸附预测研究
摘要：利用现有文献中的碳基材料对水中四环素的吸附量的数据,以机器学习为方法准确地预测了不同碳基材料在不同环境条件下对水中四环素的吸附量.其中梯度提升树(GBDT)对四环素的吸附量预测效果最好(R2>0.99).比表面积和孔容积是决定碳基材料对四环素吸附量的最主要的特征.除pH与pHpzc对吸附量的贡献为负外,其余变量对吸附量均为正贡献,即特征重要性越明显时,对吸附量的提升越有利.整体而言,四环素在碳基材料上的吸附是一个物理过程,受吸附剂的物理特性和环境因素影响较大,而受碳基材料的化学特性的影响较小.
Abstract：Inthisstudy,adatasetwasestablishedwithdatacollectedfromexistingpublicationsandemployedtopredicttetracyclinesadsorptionamountontocarbon-basedmaterialviamachinelearning.TheanalysisshowedthatGBDTalgorithmobtainedthehighestscoreoverotherswithR2>0.99.Specificsurfaceareaandporevolumearethedeterminingfactorstoadsorptionamountoftetracyclines.Solu-tionpHandpHpzcnegativelycontributedtoadsorptionamountoftetracyclines,whileotherfeaturespositivelycontributedtoadsorptionamountoftetracyclines.Theadsorptionoftetracyclinesontocarbon-basedmaterialisphysisorptionwherephysicalpropertiesofadsor-bentsandenvironmentalpressuresstronglyaffectedadsorption,whilechemicalpropertiesofadsorbentsdidnot.
作者：董晓冬 陈丽红 林芙 李惠平 黄慧 Author：DongXiaodong ChenLihong LinFu LiHuiping HuangHui
作者单位：深圳市环境工程科学技术中心有限公司,广东深圳518000同济大学环境科学与工程学院,上海200092甘肃省生态环境科学设计研究院,甘肃兰州730030
刊名：环境科学与管理
Journal：EnvironmentalScienceandManagement
年，卷(期)：2024, 49(2)
分类号：X703
关键词：四环素吸附 机器学习 碳基材料 模型解释
Keywords：adsorptionoftetracyclines machinelearning carbon-basedmaterial modelexplanation
机标分类号：S827.1X703.5TQ424
在线出版日期：2024年3月22日
基金项目：国家重点研发计划，甘肃省科技计划项目，甘肃省科技厅软科学专项基于机器学习的碳基材料对水中四环素吸附预测研究[
期刊论文] 环境科学与管理--2024, 49(2)董晓冬 陈丽红 林芙 李惠平 黄慧利用现有文献中的碳基材料对水中四环素的吸附量的数据,以机器学习为方法准确地预测了不同碳基材料在不同环境条件下对水中四环素的吸附量.其中梯度提升树(GBDT)对四环素的吸附量预测效果最好(R2>0.99).比表面积和孔容积...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于机器学习的碳基材料对水中四环素吸附预测研究 Prediction of Tetracyclines from Water by Carbon-based Material via Machine Learning
基于机器学习的碳基材料对水中四环素吸附预测研究.pdf
- 文件大小:
- 3.97 MB
- 下载次数:
- 60
-
高速下载
|
