闪速焦耳加热合成水葫芦源类石墨烯碳(Flash Joule heating synthesized water hyacinth-derived graphene-like carbon, WHAF)用于高效去除三价铬(Cr(III))：批次实验、流化床及人工神经网络建模的综合研究方法

《Next Materials》：Flash Joule heating synthesis of water hyacinth-derived graphene-like carbon for efficient Cr (III) removal: Integrated batch, fluidized bed, and artificial neural network modeling approach

　　

水体重金属污染因毒性强、难降解且传统处理方法效果不佳仍是全球重大环境问题。本研究采用闪速焦耳加热(Flash Joule heating)技术将水葫芦(Eichhornia crassipes)生物质转化为水葫芦基类石墨烯碳(Water Hyacinth-based graphene-like carbon, WHAF)，产物具有更大的比表面积(BET SBET=101.9 m2/g)与孔隙结构，对三价铬(Cr(III))表现出优异吸附性能。优化批次实验中去除率>95%；Freundlich等温线与拟二级(pseudo-second-order)动力学模型拟合最佳(R2=0.998)，表明其为非均相表面作用与化学吸附(chemisorption)主导过程；热力学分析显示吸附为吸热(endothermic)过程，升温有利于吸附。连续流化床反应器(Fluidized Bed Reactor)实验证实床层高度增加与流速降低可显著提升系统效率，体现流体动力学条件的重要性。本研究创新点在于将先进材料合成与人工智能模型结合，构建的人工神经网络(Artificial Neural Network, ANN)模型预测性能极佳(R≈1)，可有效捕捉系统非线性行为并优于传统模型。该研究为可持续吸附材料开发、反应器设计及智能建模提供了可放大的框架，是下一代水处理技术的潜在解决方案。

论文解读：闪速焦耳加热合成水葫芦源类石墨烯碳用于高效Cr(III)去除——批次、流化床与人工神经网络综合研究

该论文由Amjed Sabah Kamil Janabi、Hayder M. Abdul-Hameed、Ahmed Y. Radeef、Duaa Tawfeeq Jassim albaiaty及Sajjad Ali Mahmood Alkaabi合作完成，发表于《Next Materials》。研究针对重金属（特别是铬Cr）在水体中难以被传统工艺彻底去除、易生物累积且具毒性的问题，以及现有生物质衍生炭材料比表面积不足、连续流处理数据缺乏、传统吸附模型难以描述非线性多变量体系等局限，利用入侵性水生植物水葫芦(Eichhornia crassipes)为前驱体，通过闪速焦耳加热(Flash Joule heating)技术制备高比表面积类石墨烯碳(Water Hyacinth-derived graphene-like carbon, WHAF)，系统考察其在批次与连续流化床中对Cr(III)的吸附行为，并引入人工神经网络(Artificial Neural Network, ANN)进行预测建模，旨在为低成本可持续重金属吸附剂的开发与工艺放大提供理论与实验依据。

主要关键技术方法：

研究人员采集伊拉克Al-Kut市幼发拉底河水葫芦经清洗、日晒干燥、粉碎得预处理生物质；先于CO?氛围250℃碳化1 h再于N?氛围150℃活化1 h制活性炭，随后装入两端铜电极Pyrex管进行闪速焦耳加热(Flash Joule heating)——电容充电至460×4 V后瞬时放电脉冲(~2 s，重复8–10次，每批~5 g)制得WHAF。通过扫描电镜(Scanning Electron Microscopy, SEM)、Brunauer–Emmett–Teller(BET)比表面积测试、X射线衍射(X-Ray Diffraction, XRD)及傅里叶变换红外光谱(Fourier Transform Infrared Spectroscopy, FTIR)表征材料。批次吸附实验考察pH、投加量、接触时间、初始浓度、温度及转速对Cr(III)(以Cr?(SO?)?·6H?O配制)去除率影响，原子吸收光谱(Atomic Absorption Spectrophotometer, AAS)测残余浓度。连续实验采用玻璃流化床反应器(Fluidized Bed Reactor, 内径9 cm、高55 cm)，变床高、粒径、流速测穿透曲线(Breakthrough curve, C/C?–t)，用Bohart–Adams、Thomas、Yoon–Nelson及Clark柱模型拟合。ANN采用多层感知器(Multilayer Perceptron, MLP)结构(输入层—隐藏层—输出层"去除率")，数据集按7:3分为训练集与测试集，以相关系数R与均方误差(Mean Squared Error, MSE)评价。

3.1. The physicochemical characterization of WHAF

FTIR显示闪速焦耳加热后出现3741 cm?1与3732 cm?1处O–H/N–H伸缩振动峰及1617 cm?1处C=C/C=O偏移，证实含氧/含氮官能团增多；XRD表明(002)峰锐化、微晶尺寸由7.6 nm增至15.2 nm，结晶度提升；BET结果显示S_BET由23.9 m2/g升至101.9 m2/g，总孔容由0.041 cm3/g增至2.12 cm3/g；SEM见处理后形貌更致密、缺陷减少。结论：闪速焦耳加热成功实现孔隙发育、表面官能团保留及类石墨结构有序化，利于金属离子配位与物理截留。

3.2. Batch adsorption studies

批次实验表明pH=7时去除率91.47%，pH=9达93.47%（部分归因于Cr(OH)?沉淀而非纯吸附）；最佳投加量1 g（去除率94.06%，吸附容量4.703 mg/g），过量致团聚遮蔽位点；80 min达平衡（最高去除率95.7%）；升温至45℃去除率升至96.21%；300 rpm搅拌最优。结论：吸附受静电作用、表面络合(surface complexation)及扩散共同控制，为吸热过程，中性附近主要靠吸附而非沉淀。

3.3. Adsorption Isotherms

Freundlich等温线拟合优度最高(R2=0.952，K_F=0.613 mg·g?1，n=0.426<1)，优于Langmuir(R2=0.917，q_max=5.844 mg/g但k_L为负提示线性化局限)；Temkin(R2=0.856)与Dubinin–Radushkevich(R2=0.781)次之。结论：WHAF表面非均质(heterogeneous)，发生多层吸附，符合生物质炭类材料特征。

3.4. Adsorption kinetics

拟二级动力学模型拟合最佳(R2=0.998，计算q_e=49.3 mg/g，k₂=0.0012 g/(mg·min))，优于拟一级(R2=0.796)、Elovich(R2=0.811)及颗粒内扩散(R2=0.590，且具多段线性说明不止一步控速)。结论：化学吸附(chemisorption)——Cr(III)与—OH、—COOH、—NH等基团发生电子共享或配位——为速率控制步骤之一，吸附为多阶段过程（膜扩散→孔扩散→表面反应）。

3.5. Thermodynamic analysis

ΔH°为正值确认吸热；ΔS°为负值表明固液界面有序度增加；ΔG°计算值略正，文中解释为低浓度范围及非理想平衡常数所致，但ln K_c随1/T增大明确显示升温促进吸附。结论：热激活改善Cr(III)在多孔石墨烯结构中的迁移与位点可及性，表面络合形成较规整吸附层。

3.6. Continuous system performance

流化床实验示床高由1 cm增至3 cm显著推迟穿透(breakthrough)时间与耗竭(exhaustion)时间；流速由0.1 L/min升至0.3 L/min使穿透提前、总吸附量下降；粒径减小至250 μm延迟穿透（比表面积大、扩散路径短）。Bohart–Adams模型对穿透数据拟合最优(R2=0.978，SSE最小)，Yoon–Nelson与Clark次之。结论：外部传质与表面反应初期占主导，操作参数通过调控停留时间及传质区(Mass Transfer Zone, MTZ)影响连续吸附效率，WHAF在动态条件下仍有效。

3.7. Artificial Neural Network (ANN) modeling

分别按床高(1/2/3 cm)建MLP–ANN模型，输入为时间等操作变量，输出为去除率。训练/测试集R接近1，MSE极低。结论：ANN能高精度捕捉批次与连续吸附中的非线性多变量耦合关系，优于传统经验等温/动力学/柱模型，可用于工况优化与放大预测。

讨论与结论翻译：

研究表明水葫芦经闪速焦耳加热制得的类石墨烯碳(WHAF)是一种高效、可持续的Cr(III)吸附剂。闪速焦耳加热将廉价生物质转化为高比表面积、高孔隙率且富含活性官能团的先进碳材料，使其在批次与连续系统中均展现优良性能。吸附过程受pH、投加量、接触时间等影响，Freundlich等温线与拟二级动力学表明为非均相表面化学吸附主导；流化床中床高增加与流速降低可强化去除效果，Bohart–Adams模型最好描述柱动态；所建人工神经网络模型(R≈1)优于传统模型，可有效预测系统非线性行为并辅助工艺优化。未来研究方向应包括真实工业废水验证（考量共存离子竞争）、WHAF再生与循环使用性评价、流化床放大及结合遗传算法等混合智能优化，并开展生命周期评价(Life Cycle Assessment, LCA)与碳足迹量化以全面评估其环境与经济效益。