酸改性颗粒污泥炭催化降解左氧氟沙星机制

以厌氧颗粒污泥制备了颗粒污泥炭,并用酸进行改性,研究其在异相类芬顿体系中降解左氧氟沙星（LEVO）效能.无机酸改性颗粒污泥炭（GSC-H₃PO₄、GSC-H₂SO₄和GSC-HCl）和未改性颗粒污泥炭（GSC-0）的吸附作用均低于5%,而颗粒污泥（GS）和草酸改性颗粒污泥炭（GSC-H₂C₂O₄）的吸附去除率约为20%.待吸附平衡后,进行异相类芬顿反应,催化剂对LEVO和总有机碳（TOC）的去除率顺序为：GSC-H₃PO₄ > GSC-H₂SO₄ > GSC-HCl > GSC-H₂C₂O₄,远高于GSC-0、GS和未加催化剂的反应.GSC-H₃PO₄表面铁含量高达12.73%,能催化产生更多的·OH,有利于有机污染物的降解.GSC-H₃PO₄对LEVO和TOC的去除率分别高达98.5%和51.9%,重复使用5次后,催化剂上铁的溶出率低于0.8%,仍保持较高的催化效率.通过三维荧光光谱分析和中间产物检测,提出一种LEVO降解途径.此外,GSC-H₃PO₄催化剂还能有效处理医院废水.     

人工智能助力臭氧催化剂SrFexZr1-xO3的开发

将人工智能应用于催化臭氧氧化催化剂SrFe_xZr_1-xO₃的开发过程,采用共沉淀法制备了50种不同配方的催化剂,考察聚乙二醇（PEG）投加量、煅烧时间、老化时间、氨水投加量和铁掺杂量对SrFe_xZr_1-xO₃催化剂催化臭氧降解间甲酚反应活性的影响.同时,利用人工神经网络（ANN）和响应面（RSM）对催化剂合成条件与TOC去除率和间甲酚转化率的关系进行拟合,训练集中ANN的R²值分别为0.91和0.97,高于RSM的R²值0.35和0.41;在4组测试集上ANN的均方误差（MSE）分别为9.87和17.67,远小于RSM的23.89和28.87.结果表明,ANN模型对催化剂制备过程的复杂体系具有更好的拟合和泛化能力.在ANN训练好的模型中通过枚举法寻找最优合成条件为：PEG投加量为19.00%,煅烧时间为1.25 h,老化时间为26.50 h,氨水投加量为6.21 mL,铁掺杂量为3.37%,所得催化剂为SrFe_0.13Zr_0.87O₃-B.最佳反应条件下,间甲酚转化率和TOC去除率分别达到98.52%和17.21%,优于空白组的73.46%和1.86%.