机器学习技术与聚苯乙烯接枝纳米银材料太阳能蒸馏器性能的对比评估：合成、形貌分析、表征及能量预测

《Inorganic Chemistry Communications》：A comparative assessment of machine learning techniques and solar still performance using polystyrene-grafted silver nanomaterials: Synthesis, morphological analysis, characterization, and energy forecasting

　　

## 摘要

本研究比较了以苯乙烯接枝银纳米粒子（PS-AgNPs）作为隔热材料涂覆在单斜和双斜太阳能蒸馏器上的效能，采用清洁能源方式获取清洁且可持续的饮用水。通过在聚合过程中合成30–50纳米的苯乙烯链并将其共价键合于表面，研究了PS-AgNPs的形貌和物理特性。采用X射线衍射分析（XRD）、紫外-可见光谱、透射电子显微镜（TEM）和扫描电子显微镜（SEM）对这些晶体结构进行表征，功能基团的研究结果显示其呈球形结构，并确认了晶体的结构。PS-AgNPs隔热材料的效率达到74.13%，产水量增加至5.88升。因此，利用人工神经网络（ANN）数据集，对八种机器学习（ML）方法进行了预测，以评估六个变量参数的准确性，所有模型在统计上均具有显著性，展示了因变量的依赖关系。长短期记忆（LSTM）模型的预测准确率与统计指标结果0.99459一致，对于预测数据和实验数据均得出相似结论。支持向量机（SVM）表现出最低拟合值0.17的准确度和最佳R2值0.99。最优解达到TOPSIS评分0.842，淡水产量为6.36升/天，热效率为75.50%，生产成本为4.00卢比/升，整体淡化性能显著。这些研究结果有望优化复杂预测模型的有效性，并解决与太阳能蒸馏器用水分配相关的问题。

## 引言

可持续发展目标至关重要，确保每个人都能获得水资源。过去一个世纪以来，全球对淡水的需求大幅增加。由于全球人口快速增长，健康社会对清洁水供应的需求日益增加[1]。通过获取清洁水可以解决水资源短缺问题，包括利用太阳能、风能或其他可再生能源驱动的淡化设备和水处理设备，这些设备依赖于稳定的气候条件。随着时间推移，这些资源面临的主要挑战包括温度波动、不规则的降水模式、供应链中断、天气事件、气候变化等[2]、[3]。众多研究者[4]、[5]对调控太阳能蒸馏器运行的概念设计和具体改进做出了贡献，太阳能蒸馏器是一种利用可再生太阳能生产饮用水的有趣技术。然而，太阳能系统的效率受到环境条件、季节变化、地理差异、环境湿度等挑战的影响，这些因素影响了日蒸馏产量。

相变材料（PCM）在太阳能蒸馏器应用中起着至关重要的作用，因为它通过提高温度保持能力和产水量来增强热效率。在水资源短缺领域尤为突出，使用集成PCM的太阳能蒸馏器是一种经济有效的方法，是实现可持续发展目标的有效途径。此外，PCM应用采用环保型溶剂，其中石蜡价格低廉、耐腐蚀、蓄热能力强并具有化学稳定性[6]。太阳能蒸馏器根据利用太阳能的方式分为两类：被动式太阳能蒸馏器和主动式太阳能蒸馏器。盆式太阳能蒸馏器因其建造简便、规划和操作容易、使用寿命较长且维护需求较少，以及能够提供适当质量和数量的纯净水而被选为研究对象。环境水温的波动对太阳能蒸馏器的蒸馏产量有很大影响。尽管温度和太阳辐射都是可能的能源来源，但通过降低系统中水流的温度可以增加日蒸馏产量，展现出最有效的效果[7]、[8]。

Mariem Jobrane等人[9]研究了倾斜灯芯太阳能蒸馏器的有效性，其效果比典型装置高出约60%。循环灯芯布的加入使日蒸馏产量达到5.03升/平方米，大大提高了蒸发率，使累积产量比传统太阳能蒸馏器高出62%。为了提高蒸馏水的产量，盆地温度应尽可能高，而盖板温度应尽可能低。由于温度差异，盆地玻璃盖板上的凝结率和蒸发率更为重要，这导致蒸馏产量增加。纳米材料可以通过多种方法添加到太阳能蒸馏器中以提高其效率。这些策略的基本目标是增加盆地内主要耗散水分的量以及凝结在盖内层的水蒸气量[10]。

银纳米粒子（AgNPs）由于其显著的光学、电子、催化和抗菌特性，以及在科学、技术、制药和医学领域的广泛应用，引起了广泛关注。醇类、生物碱、纤维素、酶、胞外多糖、黄酮类化合物、酚类、奎宁类和萜类化合物等源自微生物的物质被用于生物合成，由于其数十年来在资源节约方面的优势而日益重要[11]。苯乙烯接枝（PS）通过引入颗粒散射能够改善机械性能，接枝方法产生了保护性屏蔽作用。此外，银纳米粒子在科学、工程、医学和生态环境领域提供了创新应用，由于其强大的聚合物结构而对社会更具吸引力。聚合物化学和纳米技术赋予了PS-AgNPs增强的机械、热学和抗菌性能。利用聚电解质胶囊作为微反应器，通过光诱导还原法制备了尺寸为30纳米和120纳米的纳米级银颗粒。光催化还原技术被用于制备银纳米粒子。PCM和纳米级银颗粒在熔化阶段吸收热量而温度没有显著升高，将盆地水温稳定在40至70°C的范围内。因此，它们可以提高对太阳辐射的吸收，从而产生更均匀的加热效果。此外，由于亲水纳米材料增强了凝结表面，蒸发率更高，提高了蒸馏器的整体效率[12]。

此外，AgNPs具有改善的化学和物理特性，如抗菌作用、生物相容性和较大的面积体积比。用苯乙烯基质包覆的AgNPs开辟了热能存储材料的领域。PS-AgNPs与聚合物基质完全互溶，且具有高热稳定性，这归功于将苯乙烯链连接到银表面的亚硝基胺结合剂。这是因为聚合物壳层与纳米粒子共价键合，从而实现有效的抗菌作用。其生产的主要障碍是亲水材料的不可混溶性，这可能导致疏水聚合物中AgNPs的团聚和静电稳定。通过金属纳米粒子与聚合物的接枝产生的共价键合聚合物层是纳米杂化的核-壳设计的一部分[13]。扫描电子显微镜（SEM）是一种强有力的表征工具，利用集中的电子束扫描表面并捕捉纳米粒子的图像。SEM分析以极高的放大倍数研究纳米粒子的表面积。电子束使用栅格扫描模式进行扫描，通过将束的位置与信号强度相结合来生成图像。SEM分析图像显示，合成的PS-AgNPs的整体结构变化极小。多项研究[14]、[15]表明，纳米粒子部分融合在聚合物基质内，透射电子显微镜（TEM）是研究样品制备过程中缺陷微观特性的有效工具。电子衍射方法有助于确定晶格参数，发现无序和缺陷，识别物相，并确定结构和对称性。所得的银复合材料受其在银纳米粒子中分散程度的限制，在选定溶剂中的分散范围为1%至10%。在绿色合成的纳米粒子上，其尺寸、形状和二维形貌的晶体结构可以很容易地观察到，这些纳米粒子会经历严重退化，甚至获得某些元素性质的特征[16]。

Swati Jaast和Anita Grewal[17]研究了紫外（UV）光谱，该技术可为纳米粒子的尺寸、排列、强度和形成提供见解。通过使用金属离子的紫外-可见光和红外频率探测被称为表面等离子体共振（SPR）的光学特性，研究银纳米簇之间的分子相互作用，这种特性由入射光激发的纳米粒子界面处传导电子的共振振荡产生。使用紫外分光光度计确认了银纳米粒子的合成，这表明金属纳米粒子表现出独特的光学吸收光谱。由于SPR的激发，紫外-可见光谱在423纳米处显示出单个强吸收峰，表明纳米粒子具有均匀一致的尺寸[18]。

机器学习（ML）在过去几十年中在广泛的研究领域取得了显著进展，涵盖技术进步、科学、医疗保健和工业生产，代表了数据驱动创新的重要转变。回归问题的主要目标是根据输入和输出变量预测映射函数。然而，ML算法被用于预测改进型太阳能蒸馏器和标准太阳能蒸馏器的综合淡水产量。许多回归算法，包括线性回归、决策树回归、随机森林回归、支持向量回归（SVR）、多项式回归等，在环境学科中具有广泛应用。使用SVR、决策树（DT）和k最近邻（KNN）模型进行了回归分析。KNN模型在R2、均方根误差（RMSE）和变异系数方面优于其他预测模型。相比之下，SVR和DT模型的RMSE值和变异系数更高[19]。

遗传算法或强化学习正被用于探索各种设计选项、传感器数据分析以及历史性能。此外，为了防止系统故障和优化算法以尽可能多地捕捉全天阳光，并通过自适应控制系统对蒸馏器角度进行长期操作[20]。ML可以极大地提高更有效、可靠和一致的太阳能蒸馏器系统的发展。盆地中盐水与玻璃盖内部之间的温度差异影响凝结率，从而影响太阳能蒸馏器的效率。与基础模型相比，优化模型的预测准确率有了显著提高。对于由人工蜂群算法（AHA）优化的长短期记忆（LSTM）神经网络以及LSTM，在节能预测测试阶段的决定系数分别为0.997和0.981[21]。

与太阳能蒸馏器耦合的太阳能监控装置将产水量和蒸馏生产力提高到了最大极限。每升淡水生产成本比单倾角太阳能蒸馏器便宜45.5%。Agrawal等人[22]确认了影响太阳能蒸馏器日产量的盐水深度，深度减小会导致水加热速度加快（纬度：24°33′20.81" N，经度：81°18′49.1" E）。盆地中更高的水温可能导致盐水深度增加多达48%，加速蒸发并提高太阳能蒸馏器的效率。对多元正态分布的协方差矩阵进行随机化（混合）可以轻松创建更多种类的分布。然而，正态方差混合更适合对数收益分布，因为它保留了多元正态分布的所有优势，包括对线性组合的邻近性。根据Erik Hintz等人[23]的观点，多元正态分布和Student t分布是风险管理、保险、统计等领域最常使用的分布。决策树（DT）模型产生的R2值和均方根误差值分别为21.5%和28.284%，而SVR模型产生的RMSE和变异系数值分别为29.1%和73.506%。利用ML方法预测太阳能蒸馏器效率具有很大的前景，尤其是在进行长期测试数据收集时[24]。

本论文通过结合ML模型预测与最先进的纳米材料增强的太阳能淡化技术，提供了能源相关技术应用的建模和预测的综合视角。本研究将评估人工神经网络（ANN）模型在预测太阳能蒸馏器产量方面的整体有效性，以及每个输入变量对太阳能淡化应用的影响。

本研究全面分析了材料表征、热性能增强、数据驱动的性能预测、经济问题及未来研究潜力，旨在弥合实验研究与智能工程应用之间的差距[25]。本研究旨在弥合单斜和双斜太阳能蒸馏器（带保温层与不带保温层）在实验产水量和预测产水量以及效率方面的性能分析差距。通过运用人工神经网络方法在太阳能蒸馏器中对聚苯乙烯-银纳米颗粒（PS-AgNPs）进行创新性研究，本工作深化了对太阳能蒸馏器的理解，并可能推动太阳能淡化技术的发展。此外，PS-AgNP形态学及基于机器学习的实验与预测分析为广泛的研究提供了框架。相关策略包括：(1) 可视化地图（VOS）性能指标；(2) 扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X射线衍射（XRD）及紫外光分析、能量相互作用与电子占据情况；(3) 太阳能蒸馏器的实验分析；(4) 统计回归及其相关性；(5) 多种机器学习算法模型；(6) 支持向量机（SVM）相关性及其评估指标；(7) 长短期记忆网络（LSTM）评估技术；(8) 帕累托最优解的TOPSIS排序。

章节片段 材料选择与实验

为增强太阳能利用，实验在印度南部钦奈市的Thanndalam地区（纬度：13.04°N，经度：80.17°E）设置了一套太阳能蒸馏装置，使用两个不同的太阳能蒸馏器，其盆体内部分别涂覆和不涂覆PS-AgNP保温涂层。该装置采用F Cubed Ltd.生产的1平方米太阳能板，框架由现代低成本材料如聚碳酸酯（一种防盆体腐蚀的压花塑料）构成，并在盆体内垂直放置了5个铝制挡板。

结果与讨论

实证研究考察了平均风速为5至8 m/s、水温范围为25至75°C的环境条件下总产水量（L/天）。透明挡板由玻璃制成，作为单斜和双斜太阳能蒸馏器的防护层，已在不同条件下评估了带保温层与不带保温层的性能。涉及多个参数，包括环境温度（Ta）、太阳辐射强度（I）、冷凝器温度（Tc）、盆体水温（Tw）等。

结论

本研究通过评估使用保温PS-AgNPs和传统设计的单斜与双斜太阳能蒸馏器的产水量和能量效率，进行了相关实验研究。所提出的太阳能蒸馏器预测模型通过性能指标对八种机器学习算法进行了统计比较，结果表明支持向量机（SVM）方法最为有效。对于保温良好的太阳能蒸馏器，预测相关性显示所提出的模型之间存在强相关性。这些发现

AI辅助技术使用披露

在准备本作品期间，作者使用了AI辅助技术ChatGPT，以检查部分句子的语法和拼写。

CRediT作者贡献声明

M. Kalil Rahiman：撰写-初稿、调查研究、形式分析。
R. Prathiba：验证、软件、概念设计。
S. Santhoshkumar：方法学、数据整理。
S. Sudheer Khan：撰写-审阅与编辑、监督、项目管理。

利益冲突声明

作者声明他们没有已知的与本报告内容相关的竞争性经济利益或个人关系，这些利益或关系可能影响本文所述工作。

M. Kalil Rahiman是位于印度钦奈的Saveetha医学与科技学院（SIMATS）下属SIMATS工程学院的机械工程教授。他的工作展示了一种整合方法，用于解决热系统、太阳能与淡化、表征与燃烧参数、可持续能源系统、能源应用新材料以及数据驱动工程分析等领域的当代工程与可持续性问题。以实现提升……的目标

M. Kalil Rahiman | R. Prathiba | S. Santhoshkumar | S. Sudheer Khan
印度泰米尔纳德邦钦奈市602105，Saveetha医学与科技学院（SIMATS）下属SIMATS工程学院增材制造系