神经网络预测沸石及改性沸石的原位修复

原位治理与修复技术有成本低、效果好以及不破坏原有水体底部生态平衡等优点.针对黑臭水体处理能源成本消耗大,开发低成本的沸石原位修复工艺优化具有现实意义.基于Matlab采用人工神经网络以沸石为研究对象,以实验所得128组实验数据作为样本集,建立在以温度、投加量、pH、氨氮质量浓度、磷酸盐质量浓度为神经网络底层,以处理后的氨氮质量浓度、磷酸盐质量浓度作为神经网络底层的吸附模型,预测在不同的pH、温度、投加量的情况下,沸石对氨氮和磷酸盐的去除效果和模型输出的预测结果与实验结果规律一致.预测结果显示,沸石投加量从1 g/L增加至10 g/L的情况下,沸石投加量对氨氮没有显著影响,对磷酸盐去除效果有帮助;温度从0℃增加至30℃的情况下,沸石对氨氮和磷酸盐吸附效率越高;沸石在pH=8时,对氨氮吸附效率达到最高,沸石对磷酸盐在pH=3吸附效率最高,随后去除效果降低再升高,pH=10时达到峰值,随后吸附效率降低.验证了沸石能有效地净化水体.