基于 RSM 和 ANN-PSO 混合机器学习方法的 I-Bi/Bi2WO6/MWCNTs 光催化剂去除四环素预测建模

《Scientific Reports》：Predictive modelling of tetracycline removal by I-Bi/Bi2WO6/MWCNTs photocatalyst using RSM and ANN-PSO hybrid machine learning approach

　　

摘要

采用乙二醇辅助水热法成功合成了一种可见光响应异质结构光催化剂（I-Bi/Bi?WO?/MWCNTs），用于四环素（TC）抗生素的光降解。为了分析和优化过程性能，应用了一种将人工神经网络（ANN）与粒子群优化（PSO）及响应面法（RSM）相结合的混合机器学习模型，以预测和优化关键操作参数，如溶液 pH 值、初始 TC 浓度、接触时间和光催化剂用量。发现 ANN-PSO 的 4-8-1 拓扑结构为最佳网络，TC 去除的预测模型以显式方程矩阵的形式呈现。在优化拓扑结构下，随机训练（0.98）、测试（0.99）和验证（0.96）的 R2 值证实了所开发的 ANN-PSO 模型的有效性。与 RSM 模型（R2 = 0.960, RMSE = 5.379）相比，ANN-PSO 模型表现出更好的预测性能，其相关系数（0.981）更高，RMSE（4.712）更低。在溶液 pH 值为 8、初始 TC 浓度为 20 mg/L、接触时间为 160 min、光催化剂用量为 25 mg 的条件下，实现了 96.8% 的 TC 去除率。