文献

J-GLOBAL ID：202202281246588279   整理番号：22A0946901

ナノろ過プロセスによる汚染水からのPFOS除去の機械学習ベースモデリングと解析【JST・京大機械翻訳】

Machine learning-based modeling and analysis of PFOS removal from contaminated water by nanofiltration process

著者 (6件)： Hosseinzadeh Ahmad (Centre for Green Technology, School of Civil and Environmental Engineering, University of Technology Sydney, NSW 2007, Australia) ,  Zhou John L. (Centre for Green Technology, School of Civil and Environmental Engineering, University of Technology Sydney, NSW 2007, Australia) ,  Zyaie Javad (Chemical Engineering Department, Iran University of Science and Technology, Tehran, Iran) ,  AlZainati Nahawand (Centre for Green Technology, School of Civil and Environmental Engineering, University of Technology Sydney, NSW 2007, Australia) ,  Ibrar Ibrar (Centre for Green Technology, School of Civil and Environmental Engineering, University of Technology Sydney, NSW 2007, Australia) ,  Altaee Ali (Centre for Green Technology, School of Civil and Environmental Engineering, University of Technology Sydney, NSW 2007, Australia)
資料名： Separation and Purification Technology  (Separation and Purification Technology)
巻： 289  ページ： Null  発行年： 2022年 
JST資料番号： T0428B  ISSN： 1383-5866  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ペル-およびポリフルオロアルキル物質(PFAS)は,種々の産業で広く使用され,汚染廃水を通して環境に放出されている有害化学物質である。ナノろ過(NF)は排水からPFASを除去する有望なプロセスである。本研究は,機械学習(ML)アルゴリズムを用いて汚染廃水からのペルフルオロオクタンスルホン酸(PFOS)除去におけるNF膜プロセスの性能をモデル化し,分析することを目的とした。7つのMLアルゴリズムのモデリング出力を,ロバスト性のための決定係数(R2)と平均二乗誤差(MSE)の統計的指数を用いて評価した。結果は,ランダムフォレスト(RF),勾配ブースティングマシン(GBM),およびAdaBoostモデルがNFプロセスで最もロバストであることを示した。したがって,これらの手順の最適化は,グリッド探索を用いて達成された。最適化モデルを,操作変数の相対的重要性を定量化するために,置換変数重要度(PVI)を用いて深く分析した。3つのML手順(RF,GBM,AdaBoost)は,低いMSE値(4.726,2.450,2.879)と高いR2値(0.930,0.975,0.968)を有する汚染廃水からのPFOS除去の高い予測強度を示した。さらに,PVI-RFは,圧力,初期PFOS濃度,膜タイプ,三価カチオン,pH,二価カチオンおよび一価カチオンの連続的重要性を示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  廃水 ,  除去 ,  ロバスト性 ,  *機械学習 ,  ナノ濾過 ,  *汚染水
準シソーラス用語： 二価カチオン ,  平均二乗誤差 ,  AdaBoost ,  有害化学物質 ,  最適化モデル ,  ランダムフォレスト ,  決定係数 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  膜性能 ,  ナノろ過プロセス ,  PFOS ,  プロセスモデリング

分類 (1件)： 下水,廃水の物理的処理  (SC03040L)

タイトルに関連する用語 (6件)： ろ過プロセス ,  汚染水 ,  PFOS ,  機械学習 ,  モデリング ,  解析