著名医師による解説が無料で読めます
すると翻訳の精度が向上します
測定の単純さにより、排出導電率は、容量脱イオン化（CDI）またはバッテリー電極脱イオン化（BDI）などのさまざまなイオン吸着プロセスにおけるイオン濃度に基づいた脱塩パフォーマンスの評価において最も研究された要因の1つです。ただし、排水導電率からイオン濃度へのこの単純な変換はしばしば正しくないため、排水イオン濃度のリアルタイム測定を実行するためのより一致する方法が必要です。この研究では、この欠点に対処するために、ランダムフォレスト（RF）ベースの人工知能（AI）モデルが開発されました。提案されたRFモデルは、CDI（R2 = 0.86）とBDI（R2 = 0.95）データの両方の排水導電率を予測する際に最初に検証された場合、優れた予測精度を示しました。さらに、RFモデルは、導電率値から各イオン（Na⁺、K⁺、Ca2⁺、およびCl⁻）の濃度を正常に予測しました。イオン濃度予測の精度は、データセットの入力変数と出力変数の間の線形相関により、排水導電率予測の精度よりもさらに高かった。サンプリング間隔の効果も導電率とイオン濃度について評価され、モデルの誤差値に基づいて<80秒のサンプリング間隔まで有意な差はありませんでした。これらの発見は、RFモデルを使用してCDI/BDIのイオン濃度を予測できることを示唆しています。これは、淡水化性能の評価においてコア指標として使用できることです。
測定の単純さにより、排出導電率は、容量脱イオン化（CDI）またはバッテリー電極脱イオン化（BDI）などのさまざまなイオン吸着プロセスにおけるイオン濃度に基づいた脱塩パフォーマンスの評価において最も研究された要因の1つです。ただし、排水導電率からイオン濃度へのこの単純な変換はしばしば正しくないため、排水イオン濃度のリアルタイム測定を実行するためのより一致する方法が必要です。この研究では、この欠点に対処するために、ランダムフォレスト（RF）ベースの人工知能（AI）モデルが開発されました。提案されたRFモデルは、CDI（R2 = 0.86）とBDI（R2 = 0.95）データの両方の排水導電率を予測する際に最初に検証された場合、優れた予測精度を示しました。さらに、RFモデルは、導電率値から各イオン（Na⁺、K⁺、Ca2⁺、およびCl⁻）の濃度を正常に予測しました。イオン濃度予測の精度は、データセットの入力変数と出力変数の間の線形相関により、排水導電率予測の精度よりもさらに高かった。サンプリング間隔の効果も導電率とイオン濃度について評価され、モデルの誤差値に基づいて<80秒のサンプリング間隔まで有意な差はありませんでした。これらの発見は、RFモデルを使用してCDI/BDIのイオン濃度を予測できることを示唆しています。これは、淡水化性能の評価においてコア指標として使用できることです。
Owing to its simplicity of measurement, effluent conductivity is one of the most studied factors in evaluations of desalination performance based on the ion concentrations in various ion adsorption processes such as capacitive deionization (CDI) or battery electrode deionization (BDI). However, this simple conversion from effluent conductivity to ion concentration is often incorrect, thereby necessitating a more congruent method for performing real-time measurements of effluent ion concentrations. In this study, a random forest (RF)-based artificial intelligence (AI) model was developed to address this shortcoming. The proposed RF model showed an excellent prediction accuracy when it was first validated in predicting the effluent conductivity for both CDI (R2 = 0.86) and BDI (R2 = 0.95) data. Moreover, the RF model successfully predicted the concentration of each ion (Na⁺, K⁺, Ca2⁺, and Cl⁻) from the conductivity values. The accuracy of the ion concentration prediction was even higher than that of the effluent conductivity prediction, likely owing to the linear correlation between the input and output variables of the dataset. The effect of the sampling interval was also evaluated for conductivity and ion concentrations, and there was no significant difference up to sampling intervals of <80 s based on the error value of the model. These findings suggest that an RF model can be used to predict ion concentrations in CDI/BDI, which may be used as core indicators in evaluating desalination performance.
医師のための臨床サポートサービス
ヒポクラ x マイナビのご紹介
無料会員登録していただくと、さらに便利で効率的な検索が可能になります。