CPHI 保健食品展了解到，结合机器学习与响应曲面法（RSM）建模技术，可推动制药废水处理设计的进步。

Ezati等人的研究证明，该方法能够精准高效地分析、预测和优化电芬顿系统在制药废水处理中的性能。

电芬顿工艺在降解持久性有机污染物方面展现出“显著潜力”。然而，其性能取决于多个相互作用的操作参数，传统方法无法准确分析或识别这些参数的最优操作条件。

CPHI 保健食品展获悉，通过中心复合设计（CCD）应用RSM模型时，该模型能准确评估输入与输出变量，表现出“高预测精度以及与实验数据的良好一致性”。最终，结合方差分析（ANOVA），可确定最佳工艺条件。

Ezati等人利用RSM和机器学习模型对电芬顿工艺进行了多目标优化，旨在最大化抗生素四环素的去除效率，并利用非均相催化剂MIL-100(Fe)和过硫酸盐最小化电能消耗。

在所有评估的参数中，pH值对工艺性能影响最大。“在最优条件下，去除效率达到75.13%，单位能耗为165.20 kWh/kg，与实验结果相比，去除效率偏差为79.25%，能耗偏差为132.13 kWh/kg，这些偏差被认为极小”。

总体而言，通过“重新定义响应变量和实验域”，将RSM、机器学习模型与非支配排序遗传算法II（NSGA-II）相结合的方法可适用于其他制药污染物。

Ezati等人总结道，尽管实际废水基质可能带来额外复杂性，但“该框架的数据驱动特性允许根据具体场地条件进行重新校准，从而支持其在真实处理场景中的潜在适用性”。

CPHI 保健食品展基于分享行业资讯的目的转载本文章，不代表我公司支持文中所述的观点，也不为全文负责真实性，如有侵权，请及时联系我们予以删除。