CN110377880A - 基于回归模型的粉末活性炭吸附量的预测方法 - Google Patents
基于回归模型的粉末活性炭吸附量的预测方法 Download PDFInfo
- Publication number
- CN110377880A CN110377880A CN201910699771.7A CN201910699771A CN110377880A CN 110377880 A CN110377880 A CN 110377880A CN 201910699771 A CN201910699771 A CN 201910699771A CN 110377880 A CN110377880 A CN 110377880A
- Authority
- CN
- China
- Prior art keywords
- active carbon
- model
- pollutant
- adsorbance
- prediction technique
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/28—Treatment of water, waste water, or sewage by sorption
- C02F1/283—Treatment of water, waste water, or sewage by sorption using coal, charred products, or inorganic mixtures containing them
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Organic Chemistry (AREA)
- Water Supply & Treatment (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Environmental & Geological Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Hydrology & Water Resources (AREA)
- Water Treatment By Sorption (AREA)
Abstract
一种基于回归模型的粉末活性炭吸附量预测方法,该方法包括采集若干种类第一活性炭的吸附实验数据并根据采集的吸附实验数据采用线性回归的方法建立模型;基于建立好的模型预测待预测的第二活性炭的吸附性能。本发明的模型方建立后,在使用时无需在做额外的吸附实验,可通过表征活性炭的表面性质来确定其活性炭的吸附能力及投加量,在水厂面临更换活性炭时,可有效减少其确定活性炭投加量所需的工作量。
Description
技术领域
本发明属于环境与化学技术领域,具体涉及一种基于回归模型的粉末活性炭吸附量预测方法。
背景技术
粉末活性炭(PAC)是一种多孔性吸附剂,在国外饮用水处理中已得到较广泛的应用,尤其作为应急水处理技术的应用(如突发嗅味问题等)。PAC在使用上灵活方便,价格便宜,不需增设附属构筑物,特别适用于水源污染程度随季节变化较大的地区。但是,在PAC使用时,为了准确的确定其投加量,仍然需要进行大量的吸附实验,很有必要进一步开发对于活性炭投加量的预测模型,使活性炭使用过程更加高效。
目前,有研究对于PAC的吸附平衡模型及吸附动力学模型均有部分研究。有研究结合Freundlich(弗伦德利希)吸附等温线模型及等背景化合物模型,将其简化后,可以在做单点吸附实验的情况下,预测活性炭的投加量。已有研究利用均相表明扩散模型(Homogeneous Surface Diffusion Model,HSDM)成功的对水中的痕量污染物的吸附动力学进行了预测,发现该模型可用于对2-MIB(2-甲基异莰醇)即geosmin(土嗅素)在天然水体中PAC吸附动力学进行较准确的模拟。但是该模型的预测仍然需要进行至少一组吸附动力学实验用以确定模型参数。虽然目前已有相关活性炭的投加量的相关预测模型,但其预测仍然是基于少量的吸附实验的基础之上,不能完全脱离吸附实验,有效减少前期工作。
发明内容
有鉴于此,本发明的主要目的之一在于提出一种基于回归模型的粉末活性炭吸附量预测方法,以期至少部分地解决上述技术问题中的至少之一。
为了实现上述目的,本发明提供了一种基于回归模型的粉末活性炭吸附量预测方法,包括如下步骤:
S1、采集若干种类第一活性炭的吸附实验数据并根据采集的吸附实验数据采用线性回归的方法建立模型;
S2、基于步骤S1中建立好的模型预测待预测的第二活性炭的吸附性能。
基于上述技术方案可知,本发明的基于回归模型的粉末活性炭吸附量预测方法相对于现有技术至少具有以下优势之一:
1、本发明基于回归模型,结合活性炭自身性质(微孔孔容及颗粒粒径)来预测活性炭的投加量,可以有效减少前期实验工作量,大大节省人力物力,提高水厂的运行效率。
2、本发明的模型方建立后,在使用时无需在做额外的吸附实验,可通过表征活性炭的表面性质来确定其活性炭的吸附能力及投加量,在水厂面临更换活性炭时,可有效减少其确定活性炭投加量所需的工作量;
3、本发明建立的模型的数据库可以基于生产性实验及其他吸附实验进一步调整完善,随着数据量的扩展,模型本身可以不断发展,预测可以更加精准;
4、本发明所建立的模型可以推广应用到具有相似水质但不具备实验测试条件的水厂,用于其应对突发水处理问题时的选碳及确定投加量,具有优良的经济效益。
附图说明
图1为本发明应用实施例1中的PAC1、2、3、4和8在相似水质条件下吸附量的模型预测值与实验值的对比图;
图2为本发明应用实施例2中的H001-H0012号活性炭在相似水质条件下吸附量的模型预测值与实验值的对比图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明公开了一种粉末活性炭吸附量预测方法,包括如下步骤:
S1、采集若干种类第一活性炭的吸附实验数据并根据采集的吸附实验数据采用线性回归的方法建立模型;
S2、基于步骤S1中建立好的模型预测待预测的第二活性炭的吸附性能。
其中,步骤S1中所述的吸附实验数据包括不同投加量下第一活性炭对污染物的吸附量R、第一活性炭的孔容Vmicro和第一活性炭的粒径D。
其中,所述污染物为非极性污染物。
其中,步骤S1中所述第一活性炭包括粉末活性炭。
其中,步骤S1中所述第一活性炭的种类为5-20种。
其中,步骤S1中所述的模型为:
Rm=km*Vmicro-AmDx+Bm; (1)
Rn=kn*Vmicro-AnDx+Bn; (2)
其中,Rm和Rn为第一活性炭在投加量为m mg/L及n mg/L时对污染物的吸附量,Vmicro是第一活性炭的微孔孔容,Dx是第一活性炭的体积分数占比为x%的粒径;
其中,所述m和n的值为0-60;
所述x的值为30-70、例如为40。
其中,步骤S1中所述建立模型的方法包括:根据采集的第一活性炭的吸附实验数据包括第一活性炭在投加量为m mg/L时对污染物的吸附量Rm、第一活性炭在投加量为nmg/L时对污染物的吸附量Rn、第一活性炭的微孔孔容Vmicro、第一活性炭的体积分数占比为x%的粒径Dx建立线性回归方程,根据线性回归方程确定模型中方程参数km、kn、Am、An、Bm、Bn的值,即得到所述模型;
步骤S2中所述预测待预测的第二活性炭的吸附性能的具体步骤包括:
测定第二活性炭的微孔孔容和第二活性炭的粒径并代入建立好的模型中计算不同投加量下的第二活性炭对污染物的吸附量,即为第二活性炭对污染物吸附量的预测值。
其中,预测所述第二活性炭对污染物的吸附量时污染物的水质条件与建立模型时采集所述第一活性炭对污染物的吸附量时的水质条件相同或类似。
其中,所述第二活性炭与第一活性炭的种类完全相同、部分相同或者完全不同。
在一个实施方式中,本发明例如采用如下技术方案:
本发明公开了活性炭吸附非极性微量污染物的吸附量预测方法,通过研究活性炭的表面性质,包括活性炭的微孔孔容及颗粒大小,定量分析水体中活性炭的吸附性能,构建回归模型,通过多元回归模型预测活性炭的吸附量,预测其在使用时的投加量。与现有技术相比,本发明的回归模型能有效预测活性炭在不同投加量下的吸附量,且不需要额外的吸附实验,可以解决水处理时更换活性炭时确定活性炭投加量的问题,为水处理的高效运行及智慧化管理提供了有效的技术手段。在一个优选实施方式中,本发明例如采用如下技术方案:
本发明建立的一种基于回归模型的活性炭投加量预测方法,作为一种高效的活性炭预测模型,应用于给水、废水或应急水处理过程中的活性炭选择及投加量预测。
具体的,该模型是依据活性炭的性质,主要包括微孔孔容及颗粒粒径,采用线性回归,用以预测PAC的吸附能力及投加量。
本发明适用的活性炭主要为粉末活性炭,对应吸附质为非极性微量污染物,主要步骤如下:
(1)采用5-20种活性炭进行不同投加量下对某种非极性微量污染物的吸附实验,确定不同投加量下该物质的吸附量;
(2)测定上述活性炭的微孔孔容及颗粒粒径大小;
(3)采用线性回归的方法建立不同投加量下活性炭的吸附量及其微孔孔容和颗粒大小的模型;
(4)采用该模型预测其他活性炭在类似的水质条件下对该非极性物质的吸附性能。
以下通过具体实施例结合附图对本发明的技术方案做进一步阐述说明。需要注意的是,下述的具体实施例仅是作为举例说明,本发明的保护范围并不限于此。
实施例1
(1)采用目前市售的八种活性炭(包括三种煤质炭,三种木质炭及两种椰壳炭)命名为PAC1-8,针对水中常见的嗅味物质二甲基异莰醇(2-MIB),通过吸附实验确定其在30mg/L及50mg/L的吸附量,吸附量计算公式如下,结果如下表1所示。
其中,R为活性炭在某投加量下的吸附量(ng/mg);Cinital是2-MIB的初始浓度(ng/L);Cfinal是2-MIB吸附后的剩余浓度;24 h-adsorption(ng/L);dPAC为活性炭的投加量(mg/L)。
表1 PAC1-8在30mg/L及50mg/L下的吸附量
(2)采用BET(比表面分析仪)及mastersizer2000(马尔文2000粒度仪)分别测定了8种活性炭的微孔孔容及粒径大小,结果如下表2所示。
表2 PAC1-8的微孔孔容及颗粒粒径
(3)采用spss(“统计产品与服务解决方案”软件)软件,针对活性炭在30mg/L及50mg/L下的吸附量,及活性炭的微孔孔容及粒径进行回归建模,结果如下:
R30=3.786*Vmicro-0.010D40+2.664; (1)
R50=2.013*Vmicro-0.003D40+1.837; (2)
其中,R30和R50为活性炭在投加量为30mg/L及50mg/L时对2-MIB的吸附量,Vmicro是活性炭的微孔孔容(m2/g),D40是体积分数占比40%活性炭的粒径(μm)。
应用实例1
将上述实施例中建立的模型应用于预测活性炭在类似水质水源水中的吸附性能,并分析模型预测结果。
实验采用上述PAC1,PAC2,PAC3,PAC4及PAC8,考察其在投加量为30mg/L及50mg/L条件下对相似水质的原水中的2-MIB的吸附性能,通过实验数据计算得到其吸附量Re(横坐标对应值),并通过模型计算得到其吸附量Rp(纵坐标对应值),结果如下图1所示。
在活性炭投加量30mg/L及50mg/L投加量下,预测值与实验室的误差分别为30%和12%,该模型可以较准确的预测活性炭在相似水质条件下的吸附量。
应用实例2
将上述实施例中建立的模型应用于预测不同活性炭在类似水质水源水中的吸附性能,并分析模型预测结果。
实验采用另外7种煤质活性炭,4种木质活性炭和1种椰壳活性炭,共12种活性炭,记作H001-H012。分别考察其在投加量为30mg/L及50mg/L条件下对相似水质的原水中的2-MIB的吸附性能。通过BET及Mastersizer2000分别测定了其微孔孔容及粒径,结果如下表3所示。
表3 PACl-8的微孔孔容及颗粒粒径
通过实验数据计算得到其吸附量Re(横坐标对应值),并通过模型计算得到其吸附量Rp(纵坐标对应值),结果如下图2所示。
在活性炭投加量30mg/L及50mg/L投加量下,预测值与实验室的误差分别为44%和28%,该模型可以较准确的预测活性炭在相似水质条件下的吸附量。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种粉末活性炭吸附量的预测方法,其特征在于,包括如下步骤:
S1、采集若干种类第一活性炭的吸附实验数据并根据采集的吸附实验数据采用线性回归的方法建立模型;
S2、基于步骤S1中建立好的模型预测待预测的第二活性炭的吸附性能。
2.根据权利要求1所述的预测方法,其特征在于,
步骤S1中所述的吸附实验数据包括不同投加量下第一活性炭对污染物的吸附量R、第一活性炭的孔容Vmicro和第一活性炭的粒径D。
3.根据权利要求2所述的预测方法,其特征在于,
所述污染物为非极性污染物。
4.根据权利要求1所述的预测方法,其特征在于,
步骤S1中所述第一活性炭包括粉末活性炭。
5.根据权利要求1所述的预测方法,其特征在于,
步骤S1中所述第一活性炭的种类为5-20种。
6.根据权利要求1所述的预测方法,其特征在于,
步骤S1中所述的模型为:
Rm=km*Vmicro-AmDx+Bm; (1)
Rn=kn*Vmicro-AnDx+Bn; (2)
其中,Rm和Rn为第一活性炭在投加量为m mg/L及n mg/L时对污染物的吸附量,Vmicro是第一活性炭的微孔孔容,Dx是第一活性炭的体积分数占比为x%的粒径。
7.根据权利要求6所述的预测方法,其特征在于,
所述m和n的值为0-60;
所述x的值为30-70、优选40。
8.根据权利要求6所述的预测方法,其特征在于,
步骤S1中所述建立模型的方法包括:根据采集的第一活性炭的吸附实验数据包括第一活性炭在投加量为m mg/L时对污染物的吸附量Rm、第一活性炭在投加量为n mg/L时对污染物的吸附量Rn、第一活性炭的微孔孔容Vmicro、第一活性炭的体积分数占比为x%的粒径Dx建立线性回归方程,根据线性回归方程确定模型中方程参数km、kn、Am、An、Bm、Bn的值,即得到所述模型;
步骤S2中所述预测待预测的第二活性炭的吸附性能的具体步骤包括:
测定第二活性炭的微孔孔容和第二活性炭的粒径并代入建立好的模型中计算不同投加量下的第二活性炭对污染物的吸附量,即为第二活性炭对污染物吸附量的预测值。
9.根据权利要求1所述的预测方法,其特征在于,
预测所述第二活性炭对污染物的吸附量时污染物的水质条件与建立模型时采集所述第一活性炭对污染物的吸附量时的水质条件相同或类似。
10.根据权利要求1所述的预测方法,其特征在于,
所述第二活性炭与第一活性炭的种类完全相同、部分相同或者完全不同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699771.7A CN110377880A (zh) | 2019-07-30 | 2019-07-30 | 基于回归模型的粉末活性炭吸附量的预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910699771.7A CN110377880A (zh) | 2019-07-30 | 2019-07-30 | 基于回归模型的粉末活性炭吸附量的预测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110377880A true CN110377880A (zh) | 2019-10-25 |
Family
ID=68257229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910699771.7A Pending CN110377880A (zh) | 2019-07-30 | 2019-07-30 | 基于回归模型的粉末活性炭吸附量的预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110377880A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112414910A (zh) * | 2020-09-25 | 2021-02-26 | 黑龙江诺潽生物科技有限公司 | 一种定量分析精确控制脱色活性炭使用量的方法 |
CN112435717A (zh) * | 2020-10-31 | 2021-03-02 | 东南大学 | 一种活性炭对挥发性有机物吸附容量的预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090260518A1 (en) * | 2008-04-21 | 2009-10-22 | Air Products And Chemicals, Inc. | Cyclical swing adsorption processes |
CN107064040A (zh) * | 2017-06-23 | 2017-08-18 | 江苏省环境科学研究院 | 水环境中痕量抗生素的高效富集与分离方法 |
CN107200428A (zh) * | 2016-03-18 | 2017-09-26 | 浙江汉诺软件有限公司 | 污水处理检测系统 |
CN107512754A (zh) * | 2017-09-26 | 2017-12-26 | 浙江大学 | 一种用于水处理的粉末活性炭加药自动控制系统 |
CN109559784A (zh) * | 2018-12-03 | 2019-04-02 | 环境保护部华南环境科学研究所 | 一种纳米材料在环境水体中表面zeta电位的预测方法 |
-
2019
- 2019-07-30 CN CN201910699771.7A patent/CN110377880A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090260518A1 (en) * | 2008-04-21 | 2009-10-22 | Air Products And Chemicals, Inc. | Cyclical swing adsorption processes |
CN107200428A (zh) * | 2016-03-18 | 2017-09-26 | 浙江汉诺软件有限公司 | 污水处理检测系统 |
CN107064040A (zh) * | 2017-06-23 | 2017-08-18 | 江苏省环境科学研究院 | 水环境中痕量抗生素的高效富集与分离方法 |
CN107512754A (zh) * | 2017-09-26 | 2017-12-26 | 浙江大学 | 一种用于水处理的粉末活性炭加药自动控制系统 |
CN109559784A (zh) * | 2018-12-03 | 2019-04-02 | 环境保护部华南环境科学研究所 | 一种纳米材料在环境水体中表面zeta电位的预测方法 |
Non-Patent Citations (4)
Title |
---|
刘爽 等: "活性炭去除饮用水突发性污染桔霉素的研究", 《现代食品科技》 * |
方荣业 等: "基于BP神经网络的城镇污水厂活性炭自动投加系统研究", 《浙江大学学报(理学版)》 * |
李政剑 等: "粉末活性炭粒径对水中菲吸附动力学的影响效应研究", 《环境科学学报》 * |
赵静: "臭氧活性炭对地表水中藻毒素的去除效能", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112414910A (zh) * | 2020-09-25 | 2021-02-26 | 黑龙江诺潽生物科技有限公司 | 一种定量分析精确控制脱色活性炭使用量的方法 |
CN112414910B (zh) * | 2020-09-25 | 2024-04-12 | 黑龙江诺潽生物科技有限公司 | 一种定量分析精确控制脱色活性炭使用量的方法 |
CN112435717A (zh) * | 2020-10-31 | 2021-03-02 | 东南大学 | 一种活性炭对挥发性有机物吸附容量的预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dinuccio et al. | Gaseous emissions from the storage of untreated slurries and the fractions obtained after mechanical separation | |
CN110377880A (zh) | 基于回归模型的粉末活性炭吸附量的预测方法 | |
Gong et al. | Preparation of biochar with high absorbability and its nutrient adsorption–desorption behaviour | |
Al-Degs et al. | Adsorption characteristics of reactive dyes in columns of activated carbon | |
Yuan et al. | Influence of pyrolysis temperature and holding time on properties of biochar derived from medicinal herb (radix isatidis) residue and its effect on soil CO2 emission | |
Naisse et al. | Effect of physical weathering on the carbon sequestration potential of biochars and hydrochars in soil | |
Cheung et al. | Sorption kinetic analysis for the removal of cadmium ions from effluents using bone char | |
Kizito et al. | Evaluation of ammonium adsorption in biochar-fixed beds for treatment of anaerobically digested swine slurry: experimental optimization and modeling | |
Tovar-Gómez et al. | Modeling of fixed-bed adsorption of fluoride on bone char using a hybrid neural network approach | |
Wen et al. | Comparative sorption kinetic studies of ammonium onto zeolite | |
Ghaedi et al. | Artificial neural network–imperialist competitive algorithm based optimization for removal of sunset yellow using Zn (OH) 2 nanoparticles-activated carbon | |
Martinez et al. | Influence of treatment techniques for pig slurry on methane emissions during subsequent storage | |
Delgado et al. | Adsorption of ibuprofen and atenolol at trace concentration on activated carbon | |
CA2534609A1 (en) | In-line gas purity monitoring and control system | |
Xiao et al. | Adsorption and desorption of nitrous oxide by raw and thermally air-oxidized chars | |
Ramlow et al. | Woody biochar's greenhouse gas mitigation potential across fertilized and unfertilized agricultural soils and soil moisture regimes | |
Farooq et al. | Bio-methane from an-aerobic digestion using activated carbon adsorption | |
Qiu et al. | Removal of dyes from aqueous solution by activated carbon from sewage sludge of the municipal wastewater treatment plant | |
Mortazavi et al. | Preparation of silver nanoparticle loaded on activated carbon and its application for removal of malachite green from aqueous solution | |
Al-Juboori et al. | Innovative capacitive deionization-degaussing approach for improving adsorption/desorption for macadamia nutshell biochar | |
Yao et al. | An improved regression method for kinetics of adsorption from aqueous solutions | |
Ottani et al. | Effects of different gasification biochar grain size on greenhouse gases and ammonia emissions in municipal aerated composting processes | |
CN109485086A (zh) | 一种利用一锅法合成CuS纳米颗粒的方法和应用 | |
El Ouarghi et al. | Hydrodynamics and oxygen balance in a high-rate algal pond | |
CN209034109U (zh) | 一种废气生物处理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |