电化学(中英文) ›› 2023, Vol. 29 ›› Issue (12): 211215. doi: 10.13208/j.electrochem.211215
所属专题: “燃料电池电催化及绿氢制备工程”专题文章; “AI for Electrochemistry”专题文章; “环境与水处理”专题文章
张芯婉a, 孟广源a,*(), 方立强a, 常定明b, 李童c, 胡锦文a, 陈鹏a,d, 刘勇弟a,d, 张乐华a,d,*(
)
Xin-Wan Zhanga, Guang-Yuan Menga,*(), Li-Qiang Fanga, Ding-Ming Changb, Tong Lic, Jin-Wen Hua, Peng Chena,d, Yong-Di Liua,d, Le-Hua Zhanga,d,*(
)
摘要:
电化学还原硝酸盐过程关键在于该废水处理过程中参数的有效控制。基于硝态氮电化学还原的测试数据和各参数间的相关性,得出与出水效果密切相关的四因素,即反应时间、初始浓度、初始pH和电流密度,采用BP神经网络算法建立了电化学法还原硝态氮的预测模型,并验证了模型的准确性。结果表明,4-7-1型BP神经网络网络构型最优,模型预测的去除效果与实测值相吻合,R2为0.9095。利用BP神经网络模型对参数调控,可以优化电化学处理过程:对电流密度进行阶段性调控,在相同处理量下可降低15%的能耗;在水质波动情况下进行电流密度控制,在相同处理时间内可保证出水达标。该研究结果可以为智能控制电化学去除硝态氮的过程提供参考。