• Главная
• Новости
• "ченые в Ростове научились очищать воду на 96% с помощью пшеничной соломы и нейросети

ИИ-технологии помогают оценить эффективность различных сорбентовМОСКВА, 16 июня. /ТАСС/.

Специалисты Южного федерального университета (Ю"") в Ростове-на-Дону разработали новую технологию очистки промышленных сточных вод, загрязненных токсичными красителями, с помощью биосорбентов из биомасы пшеничной соломы.

Как сообщили в пятницу в пресс-службе Ю"", сочетая простоту и дешевизну соломенных материалов с новейшими технологиями искусственного интеллекта, помогающими оценить эффективность различных сорбентов, ростовские ученые добились впечатляющих результатов: из воды удаляется до 96% красителей.

Для очистки загрязненных вод, а нередко и почв, в наши дни часто применяется биосорбция - методы, при которых загрязняющие вещества впитываются, как губкой, различными растительными материалами, а также бактериями, грибами или водорослями.

\"Цель нашего исследования заключалась в оценке эффективности недорогих потенциальных адсорбентов, полученных из биомассы соломы, на основе биосорбции красителя метиленового.

Для оптимизации эффективного удаления красителя было использовано машинное обучение.

Разработанный метод показал многообещающие результаты с точки зрения его экономической эффективности, экологичности и потенциальной способности к биологическому разложению токсичных элементов.

Исследования по данной проблематике очень актуальны, так как основаны на разработке более эффективных и устойчивых решений по смягчению последствий загрязнения почвы и воды и методов их рекультивации", - рассказал ведущий научный сотрудник Академии биологии и биотехнологии Ю"" Вишну Раджпут.

В работе были использованы методы нейронной сети ANN и машинного обучения. ANN основана на искусственном интеллекте, который дает команды компьютерам обрабатывать данные желаемым образом, аналогично работе человеческого мозга.

В последние годы ANN нашла ряд применений в области восстановления водных ресурсов и стала самым популярным инструментом для прогнозирования параметров качества воды.

С машинным обучением исследователи сочетали метод "поверхности отклика".

\"Методология поверхности отклика (Response Surface, RSM) - это основанный на математике и статистике метод оптимизации процессов и улучшения эффективности адсорбента.

С его помощью мы можем построить модель, описывающую связь между входными факторами и выходным результатом процесса: математическое уравнение или трехмерная поверхность.

Пользуясь этой моделью, мы определяем оптимальные значения факторов.

Например, можем найти такие значения, при которых достигается минимальный ввод и максимальная отдача", - отметил Раджпут.

Источник: ИКАР. Институт Конъюнктуры Аграрного Рынка