Approach for Predicting Filtration Efficiency in Nanocomposite Membranes Using 2D Materials

Abstract

Потенційні технології очищення та розділення води включають використання нанокомпозитні фільтраційних мембран. Складні взаємозв'язки між численними компонентами ускладнюють точну оцінку коефіцієнта відторгнення та фільтраційного потоку. Щоб вирішити цю проблему та покращити ефективність фільтрації в нанокомпозитних мембранах, це дослідження представляє новий метод адаптивного випадкового лісу, наповненого Golden Jackal (AGJ-RF), для прогнозування ефективності фільтрації в нанокомпозитних мембранах. Полівініліденфторид (PVDF) є традиційною мембраною, що використовується для очищення води разом з двовимірними (2D) матеріалами, такими як MXenes та оксид графену (GO). Для підтримки ефективної якості фільтрації використовується метод характеристики, відомий як тестування на проникність. Для визначення дисперсії використовується статистичний метод, відомий як дисперсійний аналіз (ANOVA). Цей аналіз використовує програмне забезпечення SPSS для оцінки продуктивності. Ефективність запропонованого методу фільтрації води проводиться за допомогою платформи Python, за допомогою якої можна оцінити гнучкість фільтрації та коефіцієнт відторгнення шляхом порівняння GO, Mxenes та традиційних мембран. Запропонований метод AGJ-RF був виконаний у різних матрицях: RMSE (2.1), MAE (1.5) та R2 (0.88). Експериментальні результати показують, що запропонована методика має більшу ефективність у прогнозуванні якості фільтрації в нанокомпозитних мембранах з використанням 2D-матеріалів.

Potential water purification and separation technologies include nanocomposite filtration membranes. The complex relationships between numerous components make it difficult to estimate the rejection rate and filtration flux accurately. To address this issue and improve filtration performance in nanocomposite membranes, this research presents a novel Adaptive Golden Jackal Infused Random Forest (AGJ-RF) technique to predict the filtration efficiency in nanocomposite membranes. Polyvinylidene fluoride (PVDF) is the traditional membrane used for water treatment along with the two-dimensional (2D) materials, such as MXenes and graphene oxide (GO). The characterization technique known as permeability testing is employed for maintaining the effective filtration quality. A statistical technique known as analysis of variance (ANOVA) is employed to determine the variance. This analysis utilizes the SPSS software for the performance. The proposed method's efficiency in water filtration is conducted through Python platform. It evaluates the filtration flex and rejection rate by comparing the GO, Mxenes, and traditional membranes. The proposed AGJ-RF technique was performed in various matrices like RMSE (2.1), MAE (1.5) and R2 (0.88). The experimental finding shows that the proposed technique performed more significantly in the field of predicting filtration efficiency in nanocomposite membranes using 2D material.