为了开发一种高效的锂吸附材料,从四川盆地页岩气废水(Shale Gas Wastewater,SGW)中回收锂资源,以应对电动汽车和储能行业对锂电池需求的急剧上升,研究通过固相反应合成H_(1.33)Mn_(1.67)O_(4)(HMO),并将壳聚糖(Chitosan,CTS)作为造粒剂...为了开发一种高效的锂吸附材料,从四川盆地页岩气废水(Shale Gas Wastewater,SGW)中回收锂资源,以应对电动汽车和储能行业对锂电池需求的急剧上升,研究通过固相反应合成H_(1.33)Mn_(1.67)O_(4)(HMO),并将壳聚糖(Chitosan,CTS)作为造粒剂,制备复合材料CTS/HMO。在SGW中,CTS/HMO对锂的吸附质量比达到7.83 mg/g,经5次吸附-解吸循环后吸附质量比仅下降1.25%,表现出较高的稳定性。动力学研究显示,准二级动力学模型更符合试验结果,表明吸附过程主要由化学吸附控制。等温吸附试验结果显示,CTS/HMO的吸附行为符合Langmuir模型,表明其为单层吸附。选择性试验进一步验证了CTS/HMO对锂的良好选择性,这归因于HMO尖晶石结构的离子筛效应。在固定床过滤试验中,流速为0.104 mL/min,床层总容积为7.7 cm^(3)时,该材料约在2950 min后达到饱和,显示出良好的吸附寿命;对不同流速下的固定床吸附进行Thomas模型拟合,结果显示较低流速下的吸附质量比较大。研究表明,CTS/HMO是一种具有良好前景的工业级锂吸附剂,适用于从SGW中提取锂资源,可为实现资源的可持续利用和环境保护提供新技术。展开更多
针对污水处理厂生化池中参数监测智能化水平不高、人力耗费较大的问题,提出基于麻雀算法-长短期记忆神经网络(Sparrow Search Algorithm-Long Short Term Memory Network,SSA-LSTM)的水质参数预测模型。以污水处理过程中好氧区溶解氧(Di...针对污水处理厂生化池中参数监测智能化水平不高、人力耗费较大的问题,提出基于麻雀算法-长短期记忆神经网络(Sparrow Search Algorithm-Long Short Term Memory Network,SSA-LSTM)的水质参数预测模型。以污水处理过程中好氧区溶解氧(Dissolved Oxygen,DO)、好氧区混合液悬浮固体(Mixed Liquid Suspended Solids,MLSS)质量浓度、缺氧区DO、缺氧区氧化还原电位(Oxidation-Reduction Potential,ORP)、厌氧区DO和厌氧区ORP 6个关键指标为数据样本,进行实例研究。将SSA-LSTM的预测结果与长短期记忆神经网络(Long Short-Term Memory Network,LSTM)、粒子群算法(Particle Swarm optimization-Long Short Term Memory Network,PSO-LSTM)、深度森林以及支持向量机进行对比分析,结果显示:SSA-LSTM在6个参数上的均方误差(EMSE)和决定系数(R2)均表现出更好的预测性,预测精度最高。展开更多
