响应曲面法和人工神经网络模型对电催化氧化磺胺甲恶唑条件的优化

论文摘要

为获得电催化氧化磺胺甲恶唑的最佳实验条件,通过中心组合设计(CCD)设计实验,建立响应曲面(RSM)和人工神经网络(ANN)两种模型,并评价了两种模型的准确性和预测能力。在此基础上分别通过响应曲面法和遗传算法对所得模型进行优化。结果表明:RSM和ANN的均方误差(MSE)、平均绝对误差(MAE)和决定系数(R~2)分别为2.62、 1.13、 0.976和0.59、 0.62、 0.994,说明ANN模型比RSM模型具有更高拟合度、精度和预测能力。响应曲面法和遗传算法的优化结果与实验所得结果的相对误差分别为1.48%和0.74%,说明遗传算法具有更强的优化能力。本研究结果可为优化电催化氧化抗生素废水的条件提供参考。

论文目录

• 1 材料与方法
•   1.1 实验装置
•   1.2 实验方法
•   1.3 实验设计
•   1.4 响应曲面模型
•   1.5 人工神经网络模型
• 2 结果与讨论
•   2.1 响应曲面法实验结果
•     2.1.1 模型建立与显著性检验
•     2.1.2 SMX去除率的响应面分析
•   2.2 神经网络模型
•     2.2.1 神经网络结构
•     2.2.2 神经网络训练与预测
•   2.3 响应曲面与神经网络模型比较
•   2.4 参数优化与验证
• 3 结论

文章来源

类型: 期刊论文

作者: 万继腾,王正阳,刘邦海,金春姬

关键词: 电催化氧化,抗生素废水,响应曲面法,神经网络,遗传算法

来源: 中国海洋大学学报(自然科学版) 2019年08期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 环境科学与资源利用

单位: 中国海洋大学海洋环境与生态教育部重点实验室

基金: 山东省自然科学基金项目(ZR2011BM014)资助~~

分类号: X703

DOI: 10.16441/j.cnki.hdxb.20180240

页码: 66-74

总页数: 9

文件大小: 3800K

下载量: 214