文章预览
摘 要 纳滤(NF)和反渗透(RO)膜在有机微污染物(OMPs)去除中发挥着越来越重要的作用,这对基于截留机制定制适合OMPs去除的膜提出了更高的要求。在此,通过使用机器学习(ML)来捕获OMP去除效率与膜和OMP特性之间的相关性,构建了以OMP为目标的膜优化途径。通过专业知识的帮助和严格的建模方法,建立了准确且稳健的极限梯度提升(XGBoost)模型,该模型可以很好地识别OMP的主要排斥机制(即尺寸排阻效应和静电相互作用)。对几个高风险OMP的另一个数据集的示例性应用展示了如何使用优化模型来估计OMP风险控制的整体效率,更重要的是,为特定去除目标的膜特性提供定量指导。令人满意的预测结果证明了ML模型的良好泛化性,因此它能够敏感地定义理想的膜特性,以有针对性地去除这些(以及任何其他相关的)OMP。这项研究提供了一个可行
………………………………