光伏驱动电凝法（EC）可持续去除地下水中硝酸盐（NO3?）的环境经济优化与机器学习（ML）建模研究

本综述系统探讨了机器学习（ML）模型（如梯度提升（GB）、随机森林（RF）等）与响应面法（RSM）在优化太阳能电凝（EC）技术去除地下水中硝酸盐（NO3?）中的应用。研究通过集成光伏（PV）能源与数据驱动算法，实现了高效去污（R2=0.9924）、低能耗（0.25–0.55 $/m3）的可持续水处理方案，为偏远地区分散式供水提供了技术经济双优策略。

　　

Section snippets

Experimental set-up and procedure

实验采用100×100×250 mm玻璃反应器进行电凝（EC）研究，使用七块铝（Al）和四块铁（Fe）板电极（纯度99.5%），极板间距设为10–20 mm。反应在批次模式下运行，以处理取自土耳其哈兰平原的真实地下水样本。pH值通过添加酸或碱调节，以模拟不同操作条件。

Nitrate removal by electrocoagulation

EC过程对硝酸盐（NO₃^?）的去除率随运行时间增加而上升，这得益于铝阳极持续溶解释放的Al³⁺离子。溶液pH值是影响混凝效果的关键参数——碱性条件促进氢氧化物絮体形成，从而提升污染物捕集效率。

Conclusion

本研究不仅验证了EC技术去除NO₃^?的可行性，更通过机器学习（ML）与光伏（PV）系统的融合，显著提升了预测精度、成本效益与环境可持续性。主要发现包括：

(i) 模型比较与预测性能：

• 集成学习模型（尤其是梯度提升GB）在多项指标（R²=0.9924, MSE=0.0135）上表现最优，精准捕捉了EC过程中的复杂非线性关系。