微波辅助提取提升阿拉比卡咖啡脱咖啡因选择性的研究：权衡、参数效应与动力学建模案例

《Results in Engineering》：Enhancing Decaffeination Selectivity in Arabica Coffee via Microwave-Assisted Extraction: A Case Study of Trade-Offs, Parameter Effects, and Kinetic Modeling

为解决采场坍塌、尾矿存储和碳排放等深部金属开采难题，研究人员将巴氏孢子八叠球菌引入胶结铜尾矿充填体诱导微生物矿化，通过正交实验和PSO-SVR模型优化发现78%料浆浓度+0.5 mol/L MICP溶液+14天养护可使充填体无侧限抗压强度达2.06 MPa，水泥用量减少22.22%，为绿色采矿提供新路径。

　　

随着浅层金属矿产资源逐渐枯竭，地下开采深度不断增加，充填采矿技术已成为解决采场坍塌预防和尾矿处置等关键问题的重要手段。过去十年间，充填技术从传统尾矿充填发展到胶结膏体充填（Cemented Paste Backfill, CPB），并进一步向高密度浓缩膏体充填演进。然而，传统的胶结充填方法高度依赖波特兰水泥，其水化过程伴随着大量的CO₂排放，这不仅加剧了全球变暖，也无法满足对低碳和可持续采矿技术日益增长的需求。因此，开发同时具有低碳排放和良好力学性能的新型充填材料，已成为减少水泥消耗和碳足迹、支持绿色矿业倡议的关键研究重点。

为应对这一挑战，研究人员对胶结充填材料的环保改性进行了多维度研究。在无机掺合料领域，研究表明适当掺入高炉矿渣和粉煤灰可显著提高膏体的流动性和抗压强度。此外，有研究证明，用粉煤灰替代50%的水泥不仅能进一步提高材料的压缩性能，还能有效降低粘结剂成本。类似的策略也有报道，包括用尾矿部分替代水泥以增强CPB强度。在有机增强方面，有研究报道添加碱处理稻秆纤维可以提高充填复合材料的动态抗压强度。进一步的研究证实，稻秆纤维有利于形成三维骨架网络，在保持同等力学完整性的同时有效减少水泥用量。在工业副产物回收利用方面，多位学者揭示了赤泥基粘结剂在低水泥用量条件下能保持足够的强度。此外，研究表明高温煅烧可以激活尾矿的潜在水硬性，从而在不影响力学性能的情况下减少水泥含量。基于前人研究，有团队开发了一种新型胶结膏体充填材料，并证明20%的EMR含量、81%的质量浓度和1:6的水泥骨料比共同产生了良好的充填性能，同时实现了固体废物资源的有效利用。尽管这些进展为可持续充填提供了宝贵的理论支持，但当前大多数改性体系仍然严重依赖传统的熟料基水泥，在全生命周期碳排放方面存在持续挑战。

在此背景下，微生物诱导碳酸钙沉淀（Microbially Induced Calcium Carbonate Precipitation, MICP）技术因其环境友好性和低碳潜力而成为一种有前景的生物矿化策略。先前的研究表明，MICP可以显著提高高温下残积土的剪切强度，当与磷石膏结合时也能达到足够的强度和良好的流动性。此外，其有效性对砂土颗粒特性、MICP胶结溶液浓度和注入方法等因素高度敏感。在充填材料方面，MICP已显示出在胶结细颗粒和提高无侧限抗压强度（Unconfined Compressive Strength, UCS）方面的潜力。

然而，先前的研究尚未完全理解多个影响因素（即料浆浓度、MICP胶结溶液浓度和养护时间）对MICP-水泥协同体系的宏观性能和微观结构演变的综合影响。此外，在将预测建模方法与机理洞察相结合以指导此类系统的参数优化方面，努力有限。

本研究的目标是通过MICP协同调控水泥基充填体的力学性能和微观结构致密化，从而在增强强度的同时减少水泥消耗。为实现这一目标，采用三因素三水平正交实验设计，研究料浆浓度、MICP溶液浓度和养护时间对UCS性能的影响。利用扫描电子显微镜（Scanning Electron Microscopy, SEM）和X射线衍射（X-ray Diffraction, XRD）进行微观结构表征，以阐明生物矿化-水化耦合机制。此外，本研究将粒子群优化（Particle Swarm Optimization, PSO）优化的支持向量回归（Support Vector Regression, SVR）模型与基于SHapley Additive exPlanations (SHAP)的解释相结合，用于UCS预测和配合比设计优化，为更绿色、更可持续的充填技术提供了一个新颖的实验-计算框架。

为开展研究，研究人员主要应用了以下关键技术方法：首先，采用正交实验设计系统评估料浆浓度、MICP胶结溶液浓度和养护时间三个关键因素对充填体无侧限抗压强度的影响；其次，利用扫描电子显微镜和X射线衍射技术对充填体样本进行微观形貌和物相组成表征；最后，构建了粒子群优化-支持向量回归机器学习模型用于强度预测，并结合SHAP方法解释各输入变量的相对重要性。研究所用尾矿样本来自紫金山铜矿选矿厂。

3.1. 正交分析

通过极差分析发现，影响充填体UCS的因素敏感性顺序为：料浆浓度 > 养护时间 > MICP胶结溶液浓度。考虑到实验结果和响应趋势，推荐的参数最优组合为：78%的料浆浓度、0.5 mol/L的MICP胶结溶液浓度和14天的养护时间。在此条件下，优化的MICP-水泥系统在14天时达到2.06 MPa，超过了典型CPB应用的强度要求，展示了技术可行性和节材潜力。方差分析表明回归模型拟合度较高，确定系数R2为0.9397，p值小于0.01，F统计量为85.72，变异系数为21.60%，证实了较强的统计显著性和可靠性。通过多目标优化得到的最优参数组合与极差分析结果高度一致，进一步验证了模型的预测准确性。

3.2. 微生物胶结充填体的微观结构分析

微观结构表征表明，第7组（料浆浓度78%，MICP溶液浓度0.5 mol/L，养护7天）表现出最高的CaCO₃沉积量，主要以致密的方解石晶体形式存在，这归因于增加的水分含量促进了球霰石向方解石的转化。相比之下，第3组（料浆浓度72%，MICP溶液浓度1.0 mol/L，养护7天）则显示出球霰石和方解石共存，且结构相对多孔，表明在不同反应条件下，球霰石作为瞬态成核位点具有早期形成优势。

3.3. MICP-水泥协同系统的机理分析

基于实验数据和微观结构表征结果，系统探讨了不同参数条件下MICP-水泥协同系统的强度发展机制。从宏观角度看，在特定的料浆质量浓度、MICP胶结溶液浓度和养护时间范围内，MICP-水泥系统表现出比普通胶结充填体显著更高的UCS。这种增强在料浆浓度较高时最为明显，因为较高的水泥含量导致料浆浓度增加，进而促进更多水化热和Ca2?的释放，从而增强初始水化阶段的早期强度。适度的MICP胶结溶液浓度保持了足够的料浆流动性，防止了细尾矿中的局部堵塞，确保了尾矿孔隙空间中均匀的CaCO₃沉淀，从而提高了微观结构致密性和力学完整性。此外，延长养护时间有助于提高UCS，强度逐渐增加并最终稳定。在微观结构层面，强度的演变与CaCO₃晶体的形态、空间分布及其与水泥水化产物的界面结合行为密切相关。方解石具有最高的热力学稳定性、低表面能和明确的菱面体结构，这些属性增强了与水泥水化产物的相容性，有助于提高基体致密性和界面结合强度。而球霰石热力学不稳定、结构存在缺陷，通常形成松散堆积的椭球状颗粒，特别是在水泥基体系中，无法形成连续的骨架结构，是导致胶结基体整体强度降低的关键结构因素之一。该系统的潜在机制可以解释为在多源碱性环境下由异相CaCO₃结晶主导的互补协同相互作用。

3.4. 用于UCS预测和优化的PSO-SVR模型

开发了一个高精度的PSO-SVR模型来预测MICP-水泥协同充填系统的UCS。通过分层和混合样本扩展策略对模型进行优化，预测精度显著提高。优化后的SVR模型达到了最佳超参数和评估性能，惩罚因子C为993.7580，RBF核宽度γ为9.9950，测试集确定系数R2为0.9272，均方根误差为0.1682 MPa。预测结果与实测UCS值高度一致，表明模型在处理MICP-水泥协同系统中非线性和多因素UCS预测任务时具有出色的预测准确性和可靠性。为了进一步量化每个特征变量对模型预测的相对贡献，使用SHAP方法解释了最终模型。结果显示，输入特征对UCS预测的相对重要性为：料浆浓度（38%）> MICP胶结溶液浓度（35%）> 养护时间（27%）。基于SHAP贡献分析和工程可行性，确定的最优参数组合为：料浆浓度78.0%，MICP胶结溶液浓度0.5 mol/L，养护时间14.0天。该结果与SHAP解释、极差分析和方差分析的结论吻合良好，增强了所开发的PSO-SVR预测模型的稳健性和可靠性。

本研究通过正交实验、微观结构表征和机器学习建模，系统探讨了MICP-水泥协同充填体系的性能优化机制。主要结论包括：基于极差分析，确定了料浆浓度是对无侧限抗压强度影响最显著的因素，最优参数组合为78%料浆浓度、0.5 mol/L MICP溶液和14天养护，在此条件下充填体强度达到2.06 MPa，满足工程应用要求且水泥用量显著降低。建立的回归模型具有高度的拟合优度和统计显著性，验证了参数优化的可靠性。微观分析表明，优化条件下充填体内部生成了致密的方解石晶体，其与水泥水化产物形成了良好的界面结合，这是强度提升的关键。开发的PSO-SVR模型成功实现了对充填体强度的准确预测，SHAP分析进一步揭示了各因素的非线性相互作用机制。

该研究的重要意义在于首次将MICP生物矿化技术与传统水泥基充填系统相结合，通过多尺度实验与机器学习融合的方法，实现了充填材料性能的协同优化。研究不仅证实了MICP技术在提升充填体力学性能方面的有效性，还通过参数优化显著降低了水泥消耗，为深部金属矿山的绿色低碳开采提供了创新性的解决方案。所建立的PSO-SVR预测模型具有较强的工程适用性，可为现场充填配比设计提供快速、可靠的决策支持，对推动矿业可持续发展具有重要的理论和实践价值。