基于神经网络模型绿色合成纳米氧化锰及其性能研究

近年来,基于对纳米材料生物毒性和合成成本的考虑,纳米材料的绿色合成和应用在环境领域受到了广泛关注,但迄今仍面临纳米材料的绿色合成机制尚未明确及去除效率不理想两个问题.本研究选择As（III）和As（V）作为目标污染物,通过神经网络模型对纳米氧化锰（MONPs）的合成条件进行优化,发现当污染物浓度和材料投加量分别为0.1 mg?L^-1和5 mg?L^-1时,优化后的MONPs对As（III）和As（V）的去除 效率分别从43.9%、80.0%提高到90.2%、92.2%.从SEM的结果中发现优化后的材料粒径更小,根据EDS和FTIR结果,可以证明优化后材料中的Mn元素比例显著增加.另外,XRD和XPS结果则证明优化后材料从原来的Mn（II）变为Mn（IV）,提高了材料的氧化能力.Zeta电位结果表明优化后材料表面的负电荷减少,进而循环伏安法结果证实了材料电子转移能力的提高,均有利于As的去除.最后,优化后MONPs在经过5次重复利用后仍具高的性能,同时对多种重金属具有一定的吸附能力.显然,基于神经网络模型绿色合成氧化锰纳米材料对砷污染修复具有 较强的针对性和实用性.