《Desalination and Water Treatment》：Modelling of an adaptive neuro-fuzzy inference system and artificial neural network for the removal of cobalt (II) from aqueous solutions using green and biodegradable adsorbents: Column breakthrough studies
编辑推荐：
中文摘要翻译
本研究探究了利用一种基于改性纤维素纳米晶体（CNC）复合材料的新型环保可再生吸附剂连续去除水中钴(II)的方法。在不同pH值（4–8）、进水钴(II)浓度（10–20 mg/L）、流速（3–7 mL/min）和床高（3–9 cm）条件下进行了固定
中文摘要翻译
本研究探究了利用一种基于改性纤维素纳米晶体（CNC）复合材料的新型环保可再生吸附剂连续去除水中钴(II)的方法。在不同pH值（4–8）、进水钴(II)浓度（10–20 mg/L）、流速（3–7 mL/min）和床高（3–9 cm）条件下进行了固定床柱实验，以评估穿透行为和柱性能。本研究的创新之处在于将连续固定床吸附实验、传统穿透建模以及基于人工智能的预测（采用人工神经网络（ANN）和自适应神经模糊推理系统（ANFIS）模型）整合在一个统一框架内。傅里叶变换红外光谱（FTIR）、扫描电子显微镜（SEM）和热重分析（TGA）证实了吸附剂的成功改性及良好的理化特性。柱性能随床高降低以及流速和进水浓度的增加而下降，这主要是由于接触时间减少和可用吸附位点更快饱和所致。在所考察的传统穿透模型中，Yan模型对非线性吸附行为的拟合效果最佳。随后，研究人员开发了ANN和ANFIS模型用于预测动态操作条件下的钴(II)去除率，并使用R2、RMSE、MSE和MPSD进行评估。ANN模型表现出优异的预测性能，R2达到0.999，实验结果与预测结果之间具有高度一致性。将基于CNC的可再生吸附剂与传统建模及ANN/ANFIS预测相结合，为优化连续钴(II)去除提供了一个有前景的框架，并为工程放大和先进水处理应用提供了补充信息。
论文解读文章
1. 研究背景
近年来，富含重金属的工业废水排放对水生生态系统和公众健康构成了严重威胁。重金属因其不可生物降解性、生物难降解性、毒性以及在生物体和环境中的生物累积能力而成为特别令人担忧的污染物。钴作为一种关键的稀有元素，广泛应用于高强度合金、颜料、催化剂、干燥剂以及锂离子电池等储能系统。然而，毒理学研究表明，土壤和水中过高的钴浓度会引起植物毒性，抑制植物养分吸收，并增加钴向食物链的转移，对动物和人类构成慢性毒性风险。尽管微量钴对生物系统是必需的，但监管框架要求饮用水中钴浓度低于0.05 mg/L以确保生物安全。因此，在钴暴露于环境和生物体之前，必须将其去除至所需水平。
为解决这一问题，研究人员开发了多种物理化学技术，包括化学沉淀、离子交换、膜过滤、光电化学处理和吸附。其中，吸附因其简单、低成本、灵活性和适用于低浓度处理而受到最多关注。然而，吸附的有效性依赖于吸附剂的性质。合成具有更高重金属离子选择性的生物聚合物吸附剂显示出潜力，这构成了本研究的基础。纤维素作为自然界中最丰富的生物聚合物，具有生态友好、可生物降解、亲水和可持续的特点。纳米技术的发展使得人们能够制备出比表面积更大、结晶度更高、机械强度更强和反应潜力更大的纳米纤维素衍生物，如纤维素纳米晶体（CNCs）。通过表面功能化引入羧基、氨基、巯基和磺酸基等官能团，可以进一步提高CNCs的吸附性能和在水中的稳定性。
固定床柱系统是实际水处理中可用的系统之一。与批式系统相比，连续柱吸附系统具有更好的可扩展性、过程控制性和可重复使用性。穿透曲线对于吸附系统的设计、放大和优化至关重要。传统的穿透模型（如Thomas、Yoon–Nelson、Clark、Yan等）各有其关于吸附动力学、平衡和传输现象的假设，但其适用性取决于吸附剂-吸附质关系的类型。鉴于有限的实验数据，利用基于人工智能（AI）的模型作为新兴且强大的替代方案进行穿透曲线建模是最佳途径。人工神经网络（ANN）和自适应神经模糊推理系统（ANFIS）在无需机理模型的情况下，展现了模拟吸附复杂、非线性和多变量特性的巨大潜力。因此，本研究的创新之处在于采用综合的实验和数据驱动方法研究钴(II)的去除。
2. 研究方法
研究人员采用了以下关键技术方法：
- •
吸附剂制备与表征：从废纸中提取CNCs，并与壳聚糖复合制备改性CNC-壳聚糖吸附剂。采用傅里叶变换红外光谱（FTIR）、扫描电子显微镜（SEM）和热重分析（TGA）对样品改性前后的理化性质和结构特性进行表征。
- •
固定床柱吸附实验：在直径5厘米、高30厘米的固定床柱中进行连续吸附实验，考察不同pH值（4–8）、进水钴(II)浓度（10–20 mg/L）、流速（3–7 mL/min）和床高（3–9 cm）对穿透行为和柱性能的影响。采用原子吸收光谱（AAS）测定残留钴(II)含量。
- •
传统穿透模型拟合：应用Thomas、Yoon–Nelson、Bohart–Adams、Clark、Wolborska、修正剂量-响应和Yan等多种传统穿透模型对实验数据进行拟合，以描述固定床吸附行为。
- •
人工智能模型开发：开发人工神经网络（ANN）和自适应神经模糊推理系统（ANFIS）模型，用于在动态操作条件下预测钴(II)去除率，并以R2、均方根误差（RMSE）、均方误差（MSE）和平均百分比标准偏差（MPSD）进行评估。
3. 研究结果
- •
3.1 吸附剂表征
FTIR、SEM和TGA分析证实了吸附剂的成功改性和良好的理化特性，表明所制备的CNC-壳聚糖复合材料具备作为有效吸附剂的潜力。
- •
3.2 操作参数对柱性能的影响
柱性能随着床高的降低、流速和进水浓度的增加而下降。这主要是由于接触时间缩短以及可用吸附位点更快达到饱和所致。这些参数的变化直接影响穿透时间和饱和时间。
- •
3.3 传统穿透模型拟合
在所考察的传统模型中，Yan模型对非线性吸附行为提供了最佳的拟合效果，能够最准确地反映实验条件下的穿透曲线特征。
- •
3.4 ANN和ANFIS模型预测
开发的ANN模型展现出卓越的预测性能，其决定系数R2达到0.999，表明实验结果与模型预测结果之间具有极强的一致性。相比之下，ANFIS模型也表现良好，但ANN模型的预测精度更高。这表明数据驱动的AI模型能够有效地学习和预测复杂的吸附过程。
4. 讨论与结论
研究结果表明，将基于CNC的可再生吸附剂与传统穿透模型及ANN/ANFIS预测相结合，为优化连续钴(II)去除提供了一个有前景的综合框架。与传统模型相比，AI模型在处理多变量、非线性关系方面具有显著优势，能够为工程设计放大和先进水处理应用提供更可靠的补充信息。本研究的结论如下：研究人员成功制备并表征了一种改性CNC-壳聚糖复合材料用于钴(II)吸附；确定了pH、进水钴(II)浓度、流速和床高对连续固定床柱中穿透和饱和行为的影响；评估了传统穿透模型对实验数据的适用性，发现Yan模型最优；开发并评估了ANN和ANFIS模型用于预测柱性能，其中ANN模型表现出色；比较了传统和AI建模方法，证明了数据驱动模型在过程优化和放大方面的预测潜力和实用性。这项工作连接了可持续吸附剂开发、连续固定床吸附和先进预测建模，有助于设计和优化用于金属污染水的可持续吸附系统，并为智能水处理技术的发展提供支持。
