基于RSM-AI协同优化的水葫芦一步法磷酸活化制备高得率活性炭及其性能调控机制研究

本研究针对入侵植物水葫芦(WH)的环境治理与资源化利用难题，创新性地采用一步法H3PO4活化工艺制备活性炭(AC)，通过响应面法(RSM)结合ANN-PSO等人工智能技术，优化获得44.5%高得率与1025 m2/g高比表面积的AC产品，为生物质废弃物增值化处理提供了绿色解决方案。

　　

在全球生态环境面临严峻挑战的背景下，入侵物种水葫芦(Water Hyacinth, WH)的泛滥已成为热带地区水域治理的顽疾。这种水生植物凭借惊人的繁殖力——仅需8个月就能从10株暴增至65万株，覆盖5000平方米水面，不仅造成南非年经济损失达7亿美元（占GDP的0.3%），更通过遮蔽阳光、消耗氧气破坏水生生态系统。传统化学与生物防治手段因成本高、二次污染等问题收效甚微。与此同时，活性炭(Activated Carbon, AC)作为环境修复与能源存储的关键材料，其传统原料如煤炭、木材的不可持续性日益凸显。这一双重困境激发了研究者探索将WH转化为高附加值AC的绿色路径。

现有研究虽尝试过ZnCl₂、KOH等活化剂，但存在毒性大、得率低（<12%）等缺陷。南非约翰内斯堡大学团队独辟蹊径，选择环境友好的H₃PO₄作为活化剂，通过创新的一步法碳化-活化工艺，将WH茎部（WHS）转化为高性能AC。研究采用多尺度表征与智能算法相结合的策略：通过XRD证实产物非晶态结构，FTIR检测到保留的C=O（1616 cm^-1）等关键官能团，SEM观察到活化后形成的蜂窝状孔道（孔径3.21 nm），BET测得最优比表面积达1025 m²/g。

关键技术方法

研究采用三因素三水平响应面法(RSM)设计实验，考察浸渍比(0.4-1.0)、温度(600-800℃)和时间(60-120 min)的交互作用。通过人工神经网络(ANN)结合粒子群优化(PSO)、自适应神经模糊系统(ANFIS)和XGBoost算法构建预测模型，采用网格搜索进行超参数调优。所有AC样品通过管式炉在N₂氛围下制备，使用0.25 M NaOH洗涤至中性。

研究结果

1. 1.

   材料表征：XRD显示活化后WH特征峰（2θ=16°）消失，出现典型无定形碳宽峰（24°）。FTIR证实磷酸交联形成，SEM显示孔隙率显著提升，BET揭示微孔占比达57%。

2. 2.

   模型优化：2FI模型精准预测得率（R²=0.9844），二次模型拟合比表面积（R²=0.9992）。浸渍比对得率影响最大（权重56%），其与温度交互作用使比表面积提升65%。

3. 3.

   算法比较：PSO-ANN以R²=0.9990的预测精度居首，优于ANN（0.9973）和ANFIS（0.9978），XGBoost因小样本限制表现最差（0.9933）。

4. 4.

   工艺验证：最优条件（浸渍比0.785/734℃/72 min）下实验得率44.5%比预测值高4%，验证模型可靠性。

结论与意义

该研究开创性地将入侵植物WH转化为高性能AC，其创新点在于：① 开发温和的一步法H₃PO₄活化工艺，相比KOH法得率提升3.7倍；② 建立PSO-ANN智能优化体系，预测精度较传统RSM提升15%；③ 揭示磷酸交联（形成P-O-C键）与温度协同调控孔隙的机制。成果发表于《New Biotechnology》后，为生物质废弃物资源化提供了"以废治污"的范例，同时为AC工业化生产中的得率-比表面积权衡难题提供了量化决策工具。未来可拓展CNN图像分析技术，进一步关联微观形貌与吸附性能。