同济大学Water Research丨机器学习辅助设计纳滤和反渗透膜去除有机微污染物

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 ………………………………