Degradation of Bisphenol A by ozonation in a rotating packed bed: Modeling by response surface methodology and artificial neural network

旋转填料床中臭氧化降解双酚 A：通过响应面法和人工神经网络建模

Degradation of Bisphenol A by ozonation in a rotating packed bed: Modeling by response surface methodology and artificial neural network

 Lei Wang a, Chu Qi b, Yuan Lu c, Moses Arowo d, Lei Shao a

a.北京化工大学超重力工程与技术教育部研究中心, 北京 100029

b.北京化工大学信息科学与技术学院,北京100029

c.天津中能石油化工有限公司,天津 300450

d.莫伊大学化学与过程工程系，埃尔多雷特，3900，肯尼亚

强调

•RSM 和 ANN 均能很好地预测RPB 中 BPA 的臭氧化建模。

•RSM 在模拟BPA臭氧化方面略优于 ANN 。

•臭氧浓度和pH值对BPA降解有显著的交互影响。

•RPB 的旋转速度与其他变量对 BPA 降解的影响并不显著。

摘要

采用响应面法(RSM)和人工神经网络(ANN)对旋转填料床(RPB)中双酚A (BPA)的臭氧化过程进行了建模。实验采用Box-Behnken设计，考察臭氧浓度、pH、RPB转速、液流量等参数对双酚a降解效率的交互影响。臭氧浓度和pH对双酚a降解效率的交互作用为显著，而RPB转速对其他变量的交互作用不显著。建立了双酚A降解效率的二阶多项式方程。基于RSM实验数据，构建了多层前馈神经网络模型。隐层神经元的相关系数很高(RANN = 0.99158)。RSM模型与ANN模型的比较表明，两者均能准确预测BPA的降解效率(RRSM = 0.99559)。在臭氧浓度为20 mg L−1、pH为11、液体流速为10 L h−1、RPB转速为800 rpm的条件下，双酚a的降解效率很高，达到99.52%，RSM模型(99.54%)和ANN模型(99.82%)均能很好地预测这一结果。但RSM模型的决定系数较高(R2RSM = 0.9912, R2ANN = 0.9827)，均方误差较低(MSERSM = 0.0001684, MSEANN = 0.0003305)，因此RSM模型略优于人工神经网络模型。

实验步骤

臭氧是由臭氧发生器（3S-A10，Tonglin Tech Co.，Ltd.，Beijing，China）产生的，氧源为99.5%

其浓度使用分析仪（3S-J5000，Tonglin Tech Co.，Ltd.，Beijing，China）测量。

来源：https://www.sciencedirect.com/science/article/abs/pii/S0045653521021743