文件大小：1.43M
摘要：采用Fenton氧化法进行人工智能芬顿氧化处理间甲酚废水实验，考察了Fe2+质量浓度、H2O2体积分数、初始pH、反应时间和间甲酚初始质量分数对降解间甲酚反应的影响，利用响应面法(RSM)和人工神经网络(ANN)分别确定降解间甲酚的最佳方案，同时对TOC去除率的关系进行拟合优化对比。结果表明，利用ANN模型并采用枚举法获取的最佳优化条件：Fe2+质量浓度为0.66 g/L、H2O2体积分数为6.00 mL/L、初始pH为3、反应时间为23.37 min、间甲酚初始质量分数为50 μg/g，此时，TOC去除率为48.14%，优于响应面法的32.16%。
文章目录
1 材料、分析和实验方法
1.1 材料
1.2 分析和计算方法
1.3 芬顿实验方案
1.4 响应面设计
1.5人工神经网络设计
1.6 模型优化效果评价方法
2 实验及拟合优化结果
2.1 RSM模型
2.2 ANN模型
2.3 ANN模型与RSM模型比较
3 结论
