生物炭是農(nóng)林廢棄物等生物質材料熱解后所得的碳質材料，具有多孔結構及豐富的表面官能團，是養(yǎng)殖尾水和富營養(yǎng)化水體中磷的環(huán)保型吸附劑。然而，吸附劑的開發(fā)和吸附過程的解析優(yōu)化存在耗時費力、針對性不強、不夠精準等技術瓶頸。

中國科學院水生生物研究所漁業(yè)智能技術與裝備研究組聯(lián)合武漢紡織大學環(huán)境工程學院，借助機器學習技術，構建了時間跨度13年（2011-2023）、數(shù)據(jù)樣本超過1200條、且涵蓋生物炭理化特性、水質參數(shù)、除磷條件等多維變量的190種生物炭數(shù)據(jù)集。在此基礎上，優(yōu)化了隨機森林RF算法和CatBoost算法，建立了R2值為0.9573、RMSE值為8.02的磷吸附容量預測模型。利用該模型，可以快速分析并確定影響生物質變量的權重，預測了單特征和雙特征互作對磷吸附容量的影響，為優(yōu)化智慧漁業(yè)生物炭設計、提升受污水體磷去除效率提供了新技術與新方法支撐。

圖1.研究方法示意圖

圖2.RF模型和CatBoost模型的預測能力對比

圖3.各影響變量的重要性

該研究以“Machine learning-driven prediction of phosphorus adsorption capacity of biochar：Insights for adsorbent design and process optimization”為題近期在線發(fā)表于Journal of Environmental Management（https://doi.org/10.1016/j.jenvman.2024.122405）。該研究得到湖北省自然科學基金項目和武漢市知識創(chuàng)新專項曙光計劃項目等項目資助。水生所呂華飛助理工程師為該論文第一作者，水生所段明研究員為共同通訊作者。