海藻酸钠固定化Fe?O?与原始Fe?O?对Cu2?吸附行为的比较研究:机器学习建模与基于SHAP的可解释性分析

《Desalination and Water Treatment》:Comparative Study on Cu2? Adsorption Behavior of Raw and Immobilized Fe?O?: Machine Learning Modeling and SHAP-Based Interpretability Analysis

【字体: 大 中 小 】 时间:2026年09月21日 来源:Desalination and Water Treatment 3.4

编辑推荐:

  摘要专业翻译 重金属污染是一个重大的环境问题,磁性吸附剂因其吸附性能和便捷的回收特性而受到关注。将Fe?O?纳米颗粒固定在海藻酸盐基质中,可以通过将颗粒限制在宏观可回收形态内,促进吸附剂的处理和固液分离。然而,这种固定化如何在相互作用的操作条件下影响Cu2?去

  
摘要专业翻译 重金属污染是一个重大的环境问题,磁性吸附剂因其吸附性能和便捷的回收特性而受到关注。将Fe?O?纳米颗粒固定在海藻酸盐基质中,可以通过将颗粒限制在宏观可回收形态内,促进吸附剂的处理和固液分离。然而,这种固定化如何在相互作用的操作条件下影响Cu2?去除效果,仍未得到充分理解。在本研究中,研究人员首先评估了原始Fe?O?的吸附动力学,以确定适当的接触时间;随后,采用三因素三水平实验设计,将海藻酸盐固定化Fe?O?与原始Fe?O?进行比较,共获得54个条件水平的观测值。研究人员利用初始Cu2?浓度、pH值、Fe?O?投加量和固定化状态作为预测变量,分别采用二次回归(quadratic regression)、优化多项式岭回归(optimized polynomial Ridge regression)和优化随机森林(optimized Random Forest)来预测残余Cu2?浓度。主评价采用嵌套重复五折交叉验证(nested repeated five-fold cross-validation),并以嵌套留一法(nested leave-one-out)和分组嵌套五折交叉验证(grouped nested five-fold cross-validation)作为稳健性分析。固定化使平均Cu2?去除效率从58.97%提高到93.91%(p < 0.001)。在主验证程序下,优化后的随机森林表现最佳,其R2 = 0.926,RMSE = 2.066 mg·L?1,MAE = 1.318 mg·L?1。SHAP分析将各特征按贡献度降序排列为:固定化状态、初始Cu2?浓度、pH值和Fe?O?投加量。这些结果证明了嵌套验证和可解释机器学习在所研究的实验域内分析Cu2?吸附行为方面的价值。

论文主体解读文章

研究背景与问题提出

重金属污染因其高毒性、持久性和生物累积性,已成为全球水环境管理中的重大关切。铜(Cu)广泛应用于电镀、冶金、采矿、电子制造和化学工业,生产过程中产生大量含铜废水。尽管铜是人体必需的微量元素,但过量Cu2?释放到水生环境中会对水生生物产生毒性效应,并通过食物链累积进入人体,可能造成肝、肾和神经系统损伤。因此,开发有效且操作可行的Cu2?去除技术对于环境保护和水资源管理具有重要意义。
在各种处理技术中,吸附法因其操作简便、去除效率高、适用范围广以及吸附材料种类多样等优势而备受关注。磁铁矿(Fe?O?)纳米颗粒因其大比表面积、表面官能团、强吸附能力和优异的磁响应性,被认为是有前景的吸附剂。然而,Fe?O?纳米颗粒在实际应用中仍面临挑战:它们在水介质中易因颗粒间相互作用(包括磁吸引力)而发生聚集和沉降,从而降低有效表面积和可及的活性位点,限制吸附性能。此外,磁性纳米复合材料的回收不充分可能导致残留物留在处理介质中,引发潜在的环境问题。
为解决这些局限,研究人员开发了聚合物包覆、无机增强和天然聚合物水凝胶固定化等策略,以提高颗粒稳定性、促进回收并增强可重复使用性。其中,海藻酸钠(sodium alginate, SA)因其生物相容性、羧酸根官能团以及Ca2?诱导凝胶化和交联能力,常被用作纳米颗粒的固定化基质。海藻酸钠-氯化钙交联可将Fe?O?颗粒限制在宏观可回收的基质中,有助于水处理后吸附剂的处理和分离。然而,固定化会改变颗粒分散性、表面可及性和传质行为,其对吸附的综合影响无法仅从材料组成推断。以往研究多单独评估各操作因素的影响,而对它们耦合效应的系统性研究仍然有限。同时,传统经验模型(如Langmuir和Freundlich模型)虽长期用于描述吸附平衡,但不适用于预测吸附性能与多个操作条件之间的复杂非线性关系。

研究目的与意义

本研究的创新之处在于将原始Fe?O?与海藻酸盐固定化Fe?O?的直接比较、多变量析因数据集、嵌套模型验证和基于SHAP的解释相结合。研究目标包括:(1)在不同初始浓度、pH值和Fe?O?投加量下,比较原始和固定化Fe?O?对Cu2?的吸附性能;(2)评估二次回归、多项式岭回归和随机森林以残余Cu2?浓度为响应变量的预测性能;(3)利用SHAP分析量化各实验变量的贡献度和方向效应。该研究为所调查实验域内的Cu2?吸附提供了一个比较性和可解释性的建模框架。

关键技术方法概述

本研究采用了多项关键技术方法。首先,通过批式吸附动力学实验确定了合适的接触时间,并采用伪一级(pseudo-first-order)和伪二级(pseudo-second-order)动力学模型进行分析。其次,采用三因素三水平实验设计,系统考察初始Cu2?浓度、溶液pH值和Fe?O?投加量对吸附性能的影响。在建模方面,建立了二次回归(quadratic regression)模型,并应用了优化多项式岭回归(optimized polynomial Ridge regression)和优化随机森林(optimized Random Forest)算法。模型评价采用嵌套重复五折交叉验证(nested repeated five-fold cross-validation)作为主要评价方法,同时以嵌套留一法(nested leave-one-out)和分组嵌套五折交叉验证(grouped nested five-fold cross-validation)进行稳健性分析。最后,采用SHAP(SHapley Additive exPlanations)分析量化各特征的贡献度和方向效应。

研究结果

吸附动力学:研究人员使用初始浓度为30 mg·L?1的Cu2?溶液和30 mg的Fe?O?进行动力学实验。结果表明,伪二级动力学模型能更好地拟合实验数据,据此确定了后续析因实验的合适接触时间。
实验设计与性能比较:在三因素三水平实验设计中,初始Cu2?浓度设为5、17.5和30 mg·L?1,pH值调整为4、6和8,Fe?O?投加量设为10、30和50 mg。两种吸附体系各进行了27组实验,共获得54个条件水平观测值。固定化显著提高了Cu2?去除性能,使平均去除效率从原始Fe?O?的58.97%提升至固定化Fe?O?的93.91%,差异具有统计学显著性(p < 0.001)。
模型性能评估:在主评价程序(嵌套重复五折交叉验证)下,优化随机森林模型表现最佳,达到R2 = 0.926、RMSE = 2.066 mg·L?1、MAE = 1.318 mg·L?1。优化多项式岭回归和二次回归模型的性能依次次之。嵌套留一法和分组嵌套五折交叉验证的稳健性分析进一步确认了随机森林模型的优越性能。
SHAP可解释性分析:SHAP分析按特征重要性降序排列为:固定化状态、初始Cu2?浓度、pH值和Fe?O?投加量。这一排序表明,固定化是影响残余Cu2?浓度的最关键因素,其次才是操作条件变量。SHAP分析还揭示了各特征对预测结果的贡献方向和交互效应。

讨论与结论

讨论部分指出,固定化Fe?O?的优异吸附性能可归因于多个机制:海藻酸盐基质中含有羟基和羧酸根官能团,可与金属离子发生相互作用;固定化改善了Fe?O?纳米颗粒的分散性,减少了聚集,增加了可及活性位点;同时,固定化形成的宏观珠状结构便于固液分离,减少了吸附剂损失。研究还讨论了不同操作条件对吸附效果的影响规律:较高的pH值有利于Cu2?去除,因为碱性条件下Cu2?更易形成氢氧化物沉淀或被带负电荷的表面吸附;较高的初始Cu2?浓度会增加驱动力但也可能饱和吸附位点;增加Fe?O?投加量提供更多吸附位点,但单位质量吸附容量可能下降。
研究结论部分总结:本研究通过直接比较原始Fe?O?和海藻酸盐固定化Fe?O?对Cu2?的吸附行为,结合多变量析因实验设计、嵌套模型验证和SHAP可解释性分析,系统评估了固定化对Cu2?去除的影响。结果表明,固定化显著提升了Cu2?去除效率(从58.97%升至93.91%)。在三种模型中,优化随机森林展现出最优的预测性能。SHAP分析揭示了各变量的相对重要性排序为:固定化状态 > 初始Cu2?浓度 > pH值 > Fe?O?投加量。这些发现证实了嵌套验证和可解释机器学习在分析Cu2?吸附行为中的实用价值,为磁性吸附剂的设计和应用提供了数据驱动的见解。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号