利用农业废弃物从水溶液中去除阳离子染料：通过语义免疫等离子编程对生物吸附过程进行建模

《Engineering Applications of Artificial Intelligence》：Removal of cationic dyes from aqueous solutions using agricultural waste: Modeling the biosorption process with semantic Immune Plasma Programming

芹菜茎作为生物吸附剂用于去除结晶紫染料，通过实验探究pH、接触时间、吸附剂剂量、初始染料浓度和温度的影响，并采用符号回归结合自动编程方法建模。研究显示sIPP模型在准确性和可解释性上最优，R2达0.99，验证了语义交叉算子的有效性，为可持续环境工程提供透明化AI解决方案。

　　在当今工业化迅速发展的背景下，合成染料的广泛使用给环境带来了显著的挑战。特别是，一些具有毒性的阳离子染料，如结晶紫（Crystal Violet, CV），因其高水溶性和难以降解的特性，成为水体污染的主要来源之一。近年来，随着对可持续和环保技术的关注增加，生物吸附作为一种替代传统污染治理方法的手段，逐渐受到重视。生物吸附不仅能够有效去除水中的污染物，而且因其成本低廉、来源广泛以及对环境友好等优势，成为研究的热点。本研究聚焦于一种新型生物吸附材料——芹菜茎，探讨其在去除结晶紫染料中的应用潜力。通过实验与符号回归（Symbolic Regression, SR）技术的结合，旨在揭示芹菜茎作为生物吸附剂在实际应用中的性能表现，并为环境工程领域提供一种可解释性强、具有实用价值的建模方法。

芹菜茎作为一种农业废弃物，具有天然的吸附能力。其丰富的纤维素和半纤维素结构为染料分子提供了大量的吸附位点，同时其表面的官能团能够与染料分子发生化学反应，从而实现高效的吸附。此外，芹菜茎在农业和食品工业中具有较高的经济价值，但其在环境治理中的应用尚未得到充分开发。因此，本研究不仅关注芹菜茎的吸附性能，还尝试将其与人工智能技术相结合，探索如何利用可解释性较强的AI模型来描述和预测生物吸附过程。这一结合为环境工程提供了一种全新的视角，即通过机器学习方法提升模型的预测能力，同时保持对吸附机制的清晰理解。

实验过程中，研究人员系统地考察了多种影响生物吸附效率的关键因素，包括pH值、接触时间、吸附剂用量、初始染料浓度和温度。这些参数在实际应用中往往相互作用，形成复杂的非线性关系。因此，传统的数学模型在描述这些关系时可能存在局限性。为了克服这一问题，研究团队采用了符号回归技术，这是一种能够发现具有物理意义的数学表达式的AI方法。通过比较多种自动编程（Automatic Programming, AP）方法，如遗传编程（Genetic Programming, GP）、人工蜂群编程（Artificial Bee Colony Programming, ABCP）、免疫血浆编程（Immune Plasma Programming, IPP）以及新提出的语义免疫血浆编程（Semantic IPP, sIPP），研究评估了不同模型在预测能力和可解释性方面的表现。其中，sIPP方法因其引入的基于语义的交叉算子，能够在保持高预测精度的同时，生成结构更简洁、更具解释性的模型。这一成果表明，sIPP在平衡模型复杂度与预测性能方面具有显著优势，为环境工程中可解释性建模的应用提供了新的思路。

符号回归技术的核心在于通过算法自动发现描述系统行为的数学表达式。相比于传统的统计模型，符号回归能够提供更具物理意义的模型结构，使得研究者能够直观地理解吸附过程中的关键机制。例如，在本研究中，通过符号回归分析，研究人员发现pH值、接触时间、吸附剂用量、初始染料浓度和温度对生物吸附效率和吸附容量具有重要影响。其中，pH值对吸附过程的影响尤为显著，因为其能够改变染料分子的电荷状态以及吸附剂表面的电荷分布，从而影响吸附行为。接触时间则决定了吸附过程的动态变化，过短的接触时间可能无法实现充分吸附，而过长的接触时间则可能导致吸附效率下降。吸附剂用量与初始染料浓度之间的关系也体现了吸附过程的饱和特性，即当吸附剂用量增加时，吸附效率会提高，但吸附容量则可能趋于稳定。温度的变化则反映了吸附过程的热力学特性，如是否为自发反应或吸热反应。

为了更深入地理解这些参数对生物吸附过程的影响，研究团队还进行了实验数据的收集与分析。通过傅里叶变换红外光谱（FTIR）、扫描电子显微镜（SEM）和能量色散X射线光谱（EDX）等手段，研究人员对芹菜茎在吸附前后的化学结构和表面形态进行了详细表征。这些分析揭示了芹菜茎在吸附过程中发生的化学变化，如表面官能团的修饰和化学键的形成，从而为吸附机制的解释提供了坚实的理论基础。此外，研究还通过等温吸附、动力学吸附和热力学吸附分析，全面评估了芹菜茎在不同条件下的吸附性能。结果表明，芹菜茎在吸附过程中表现出较强的化学吸附能力，其吸附效率可达90%，吸附容量为6.9 mg/g。这些数据不仅验证了芹菜茎作为生物吸附剂的有效性，也为后续的符号回归建模提供了可靠的实验依据。

在模型构建方面，研究团队采用了多种符号回归方法，并对它们的性能进行了系统比较。其中，sIPP方法因其引入的语义交叉算子，能够根据表达式的功能相似性进行选择，从而减少模型的复杂度，提高其泛化能力。相比之下，传统的GP和ABCP方法虽然在预测精度方面表现良好，但往往生成较为复杂的模型结构，这在一定程度上影响了模型的可解释性。而IPP方法虽然在建模过程中引入了免疫机制，如克隆变异和精英保留，但其模型结构仍可能存在一定的冗余性。因此，sIPP方法在本研究中展现出独特的优势，不仅在测试精度上优于其他方法（如吸附容量的测试精度达到0.99，吸附效率的测试精度达到0.98），而且在模型结构的简洁性方面也表现突出（平均节点数约为91和99）。这些结果表明，sIPP方法在环境工程领域具有广阔的应用前景，特别是在需要高精度和高可解释性的建模任务中。

此外，本研究还对符号回归模型的性能进行了多维度评估，包括模型的准确性、复杂度和可解释性。通过分析模型在不同参数下的表现，研究人员能够识别出哪些参数对吸附效率和容量的影响最为显著。例如，pH值和温度被发现是影响吸附过程的两个关键因素，而接触时间和吸附剂用量则在一定程度上影响了吸附的动态过程。这些发现不仅有助于优化实验条件，还为实际应用中参数的选择提供了理论支持。同时，通过比较不同符号回归方法的模型结构，研究人员能够进一步探讨如何在保持模型预测能力的同时，提高其可解释性。这对于环境工程领域来说具有重要意义，因为可解释性较强的模型能够帮助决策者更好地理解吸附过程的内在机制，从而制定更加科学和有效的治理策略。

本研究的另一个重要贡献在于其对芹菜茎作为生物吸附剂的全面评估。在文献中，虽然已有研究探讨了多种农业废弃物在去除染料中的应用，但针对芹菜茎的研究相对较少。因此，本研究填补了这一领域的空白，为芹菜茎在环境治理中的应用提供了新的视角。通过实验和符号回归技术的结合，研究人员不仅验证了芹菜茎的吸附能力，还揭示了其在不同实验条件下的表现规律。这些结果对于推动农业废弃物的资源化利用具有重要的实践意义，同时也为环境工程领域的可持续发展提供了新的思路。

在模型的可解释性方面，符号回归技术的优势得到了充分体现。通过生成具有物理意义的数学表达式，研究人员能够直观地理解吸附过程中的关键因素及其相互作用。例如，模型可以揭示pH值如何影响染料分子的电荷状态，从而改变其与吸附剂表面的相互作用。此外，模型还能够描述温度对吸附过程的热力学影响，如是否为吸热反应或放热反应，以及反应是否具有自发性。这些信息不仅有助于优化实验条件，还能够为实际应用中的参数调整提供理论依据。相比之下，传统的黑箱模型虽然在预测能力上可能更强，但其内部机制往往难以解释，这在环境工程领域可能会带来一定的局限性。因此，本研究强调了符号回归技术在环境建模中的重要性，特别是在需要同时考虑预测精度和可解释性的场景下。

最后，本研究还探讨了未来研究的方向和潜在的改进空间。尽管sIPP方法在本研究中表现出色，但仍然存在一些局限性，如模型的泛化能力、对大规模数据的适应性以及计算资源的需求等。因此，未来的研究可以进一步优化sIPP算法，提高其在复杂环境条件下的适用性。此外，研究团队还可以探索将符号回归技术与其他AI方法相结合，以提高模型的预测能力和解释性。例如，结合深度学习和符号回归的方法，可能会在处理高维数据和复杂非线性关系方面取得更好的效果。同时，研究还可以扩展到其他类型的染料和污染物，以验证符号回归技术在不同环境治理场景中的通用性。

综上所述，本研究通过实验和符号回归技术的结合，揭示了芹菜茎作为生物吸附剂在去除结晶紫染料中的应用潜力。实验结果表明，芹菜茎具有较高的吸附效率和容量，且其吸附过程表现出自发性和吸热性，这为实际应用提供了理论支持。同时，通过比较多种符号回归方法，研究团队发现sIPP方法在平衡预测精度与模型可解释性方面具有显著优势，为环境工程领域的建模方法提供了新的选择。此外，本研究还强调了符号回归技术在环境治理中的重要性，特别是在需要同时考虑模型性能和可解释性的场景下。这些成果不仅有助于推动农业废弃物的资源化利用，也为环境工程领域的可持续发展提供了新的思路和方法。