[发明专利]基于回归模型的粉末活性炭吸附量的预测方法

权利要求书

1.一种粉末活性炭吸附量的预测方法，其特征在于，包括如下步骤：

S1、采集若干种类第一活性炭的吸附实验数据并根据采集的吸附实验数据采用线性回归的方法建立模型；

S2、基于步骤S1中建立好的模型预测待预测的第二活性炭的吸附性能。

2.根据权利要求1所述的预测方法，其特征在于，

步骤S1中所述的吸附实验数据包括不同投加量下第一活性炭对污染物的吸附量R、第一活性炭的孔容V_micro和第一活性炭的粒径D。

3.根据权利要求2所述的预测方法，其特征在于，

所述污染物为非极性污染物。

4.根据权利要求1所述的预测方法，其特征在于，

步骤S1中所述第一活性炭包括粉末活性炭。

5.根据权利要求1所述的预测方法，其特征在于，

步骤S1中所述第一活性炭的种类为5-20种。

6.根据权利要求1所述的预测方法，其特征在于，

步骤S1中所述的模型为：

R_m＝k_m*V_micro-A_mD_x+B_m； (1)

R_n＝k_n*V_micro-A_nD_x+B_n； (2)

其中，R_m和R_n为第一活性炭在投加量为m mg/L及n mg/L时对污染物的吸附量，V_micro是第一活性炭的微孔孔容，D_x是第一活性炭的体积分数占比为x％的粒径。

7.根据权利要求6所述的预测方法，其特征在于，

所述m和n的值为0-60；

所述x的值为30-70、优选40。

8.根据权利要求6所述的预测方法，其特征在于，

步骤S1中所述建立模型的方法包括：根据采集的第一活性炭的吸附实验数据包括第一活性炭在投加量为m mg/L时对污染物的吸附量R_m、第一活性炭在投加量为n mg/L时对污染物的吸附量R_n、第一活性炭的微孔孔容V_micro、第一活性炭的体积分数占比为x％的粒径D_x建立线性回归方程，根据线性回归方程确定模型中方程参数k_m、k_n、A_m、A_n、B_m、B_n的值，即得到所述模型；

步骤S2中所述预测待预测的第二活性炭的吸附性能的具体步骤包括：

测定第二活性炭的微孔孔容和第二活性炭的粒径并代入建立好的模型中计算不同投加量下的第二活性炭对污染物的吸附量，即为第二活性炭对污染物吸附量的预测值。

9.根据权利要求1所述的预测方法，其特征在于，

预测所述第二活性炭对污染物的吸附量时污染物的水质条件与建立模型时采集所述第一活性炭对污染物的吸附量时的水质条件相同或类似。

10.根据权利要求1所述的预测方法，其特征在于，

所述第二活性炭与第一活性炭的种类完全相同、部分相同或者完全不同。