基于多模型机器学习与SHAP分析的Fe2+/PMS/AC体系在纺织废水处理中的应用研究

本研究创新性地对比了均相(Fe2+)与非均相(活性炭AC)活化过一硫酸盐(PMS)体系处理纺织废水的效能，开发了R2>0.97的随机森林/XGBoost/ANN预测模型，通过SHAP分析揭示关键参数。实验表明Fe2+/PMS/AC系统在10分钟内实现近100%脱色和90%以上COD/TOC去除，为硫酸根高级氧化工艺(SR-AOPs)提供了高效可持续的解决方案。

　　

Highlight

本研究通过整合机器学习与SHAP解释性分析，揭示了Fe²⁺/PMS/AC系统处理纺织废水的关键作用机制。生物质芦苇活性炭(RAC)与商业活性炭(CAC)的对比研究，为可持续催化剂选择提供了新见解。

Material and methods

纺织废水样本采集自土耳其泰基尔达的工厂生物处理出水，采用砂滤预处理后于4°C保存。使用SEM和BET对活性炭进行表征，EDX分析元素组成，通过X射线发射光谱检测表面化学性质。

Characterization of ACs

扫描电镜(SEM)显示活性炭具有多孔结构，BET分析证实RAC比表面积达892 m²/g。EDX检测到含氧官能团的存在，这些特征显著促进PMS活化产生SO₄^•-自由基。

Conclusion

在pH 7.0、2 mM Fe²⁺和5 mM PMS条件下，Fe²⁺/PMS/AC系统展现出卓越性能：脱色率92.1%，COD/TOC去除率提升至90%以上。机器学习模型成功预测了污染物降解动力学，SHAP分析表明pH和催化剂剂量是最敏感参数。