松针与甘蔗渣生物炭对低浓度罗丹明B的脱色机制及人工神经网络模型优化研究

本研究针对印染废水低浓度罗丹明B(RhB)污染问题，通过热解松针(PNB)和甘蔗渣(SBB)制备生物炭，结合人工神经网络(ANN)建模优化吸附过程。结果表明PNB最大吸附容量(qm )达0.8370 mg/g，吸附符合伪二级动力学和Langmuir模型，遗传算法优化的Levenberg Marquardt反向传播算法预测精度高(R2 0.98)，为低成本废水处理提供新策略。

　　

随着工业快速发展，印染废水排放导致的水体污染已成为严峻的环境问题。罗丹明B(Rhodamine B, RhB)作为典型的Xanthene类阳离子染料，具有致癌、致畸和神经毒性，且在自然环境中难以降解。传统活性炭吸附法存在成本高、不可再生等缺陷。印度拥有丰富的松针(年产量206万吨)和甘蔗渣(年产量9100万吨)资源，这些农林废弃物若处理不当易引发森林火灾或环境污染。如何实现废弃物资源化利用并解决低浓度染料污染问题，成为当前环境科学领域的重要课题。

国防先进技术研究院的研究团队在《Journal of the Indian Chemical Society》发表论文，首次对比松针生物炭(PNB)和甘蔗渣生物炭(SBB)对低浓度(0.14-1 ppm)RhB的吸附性能，并创新性地采用遗传算法优化的人工神经网络(ANN)模型预测吸附过程。研究通过热解法制备生物炭，结合FTIR、BET等表征技术分析其理化性质，系统考察pH、温度等参数对吸附的影响，最终建立Levenberg Marquardt反向传播算法模型。

主要技术方法
研究采用马哈拉施特拉邦采集的松针和甘蔗渣为原料，经100°C干燥后于管式炉中热解制备生物炭。通过傅里叶变换红外光谱(FTIR)分析表面官能团，BET法测定比表面积，结合批量吸附实验获取动力学数据。采用MATLAB构建ANN模型，输入层包含温度(298.15 K)、生物炭剂量(0.02 g)等5个参数，输出层为吸附容量，通过遗传算法优化网络权重。

FTIR光谱分析
PNB在3403 cm^-1
处出现-OH特征峰，1708 cm^-1
对应羧基振动，1601 cm^-1
为芳香C=C键，表明其富含含氧官能团。SBB在2924 cm^-1
处的C-H伸缩振动更显著，反映其脂肪族结构差异。这些官能团为RhB吸附提供活性位点。

吸附性能比较
在1 mg L^-1
RhB浓度下，PNB的q_m
(0.8370 mg/g)显著高于SBB(0.5657 mg/g)，归因于前者更大的比表面积(PNB: 48.25 m²
/g vs SBB: 32.14 m²
/g)和孔容(0.098 cm³
/g vs 0.064 cm³
/g)。动力学分析显示两者均符合伪二级动力学模型(R²

0.99)，表明化学吸附主导过程。

ANN模型预测
模型对PNB和SBB的预测R²
分别达0.987和0.9953，均方误差(MSE)低于0.0050。最优参数组合为：pH=2、接触时间360分钟、温度298.15 K，验证了酸性条件下质子化的生物炭表面与RhB阳离子的静电吸引机制。

结论与意义
该研究开创性地将农林废弃物转化为高效生物炭吸附剂，PNB表现出优于SBB的RhB脱色能力。ANN模型成功解决了多参数吸附过程的非线性预测难题，为实际废水处理提供理论指导。通过"废物-资源-环境治理"的闭环设计，既缓解了农林废弃物处置压力，又为低浓度染料废水治理提供经济高效的解决方案，符合可持续发展目标。作者Neelaambhigai Mayilswamy强调，该方法可扩展至其他染料体系，未来需进一步研究生物炭再生性能及工业放大可行性。