پیش‌بینی حذف سرب توسط بیوچار و هیدروچار بقایای کلزا با استفاده از رویکرد کاهش ابعاد و برنامه‌ریزی بیان ژن

در این تحقیق از ساقه‌های کلزا برای تولید هیدروچار و بیوچار استفاده شد. بیوچار با حرارت دادن ساقه‌ها در دمای 500 درجه سانتی‌گراد به مدت چهار ساعت تولید شد. هیدروچار از قرار گرفتن کلزای آسیاب شده درون ظروف تفلون درپوش‌دار اتوکلاو به همراه آب دیونیزه در دمای 200 درجه سانتی‌گراد تهیه شد. جذب سرب با استفاده از پارامترهای ph، زمان تماس، غلظت اولیه سرب و مقدار جاذب ارزیابی گردید. برای پیش‌بینی راندمان جذب از مدل برنامه‌ریزی بیان ژن استفاده شد. نتایج نشان داد برای هر دو جاذب، با افزایش زمان تماس، راندمان جذب سرب افزایش یافت و بیوچار در زمان تعادل تقریباً 120 دقیقه و هیدروچار در زمان تعادل 420 دقیقه به حداکثر راندمان جذب رسیدند. با افزایش غلظت اولیه سرب، راندمان جذب به دلیل اشباع شدن ظرفیت جاذب‌ها کاهش یافت. نتایج مدل‌سازی نشان داد که کاهش تعداد پارامتر‌های ورودی از زمان تماس، غلظت اولیه، جرم جاذب و ph به زمان تماس، جرم جاذب و ph باعث بهبود دقت مدل شده است، به طوری که مقدار r² در مرحله آموزش از 0.92 به 0.95 و در مرحله تست از 0.90 به 0.91 افزایش یافت. با ادامه کاهش بیشتر پارامتر‌های ورودی به مدل به دو پارامتر زمان تماس و ph دقت مدل به بالاترین میزان رسید. این ساده‌‌سازی منجر به پیش‌بینی‌های دقیق‌تر، کاهش پیچیدگی مدل و کاهش هزینه‌ها شد. نتایج تجزیه و تحلیل حساسیت نیز نشان داد که ph و زمان تماس تاثیر قابل‌توجهی بر جذب سرب دارند، در حالی که غلظت اولیه سرب اثر معکوس داشته است.

predicting lead removal by biochar and hydrochar from canola residues using a dimensionality reduction approach and gene expression programming

in this study, rapeseed stalks were used to produce hydrochar and biochar. biochar was produced by heating the stalks at 500°c for four hours. hydrochar was prepared by putting milled canola in teflon covered autoclave containers made of stainless steel, along with deionized water at a temperature of 200 degrees celsius. the absorption of lead was evaluated using different parameters such as ph, contact time, initial concentration of lead and amount of adsorbent. an advanced modelling technique called gene expression programming (gep) was used to predict absorption efficiency. the results showed that for both adsorbents, with the increase of contact time, lead absorption efficiency gradually increased, and finally, biochar reached the maximum absorption efficiency at the equilibrium time of approximately 120 minutes and hydrochar at the equilibrium time of 420 minutes. by increasing the initial concentration of lead, the amount absorbed by the adsorbents increased, but the absorption efficiency decreased due to the saturation of the capacity of the adsorbents. the results of modelling with gene expression programming showed that reducing the number of input parameters from contact time, initial concentration, adsorbent mass and ph to contact time, adsorbent mass and ph has improved the accuracy of the model so that the value of r² in the training phase increased from 0.92 to 0.95 and in the test phase from 0.90 to 0.91. by continuing to further reduce the input parameters to the model to the two parameters of contact time and ph, the accuracy of the model reached the highest level. this simplification led to more accurate predictions, reduced model complexity and reduced costs. the results of the sensitivity analysis also showed that ph and contact time have a significant effect on lead absorption, while the initial concentration of lead had the opposite effect.