Сравнительный анализ ANFIS, ANN и BBD для улучшенного прогнозирования адсорбции метилового оранжевого в очистке воды

Преобразование фруктовых отходов в чистую воду

Представьте, что кожура от ваших ежедневных бананов могла бы помогать очищать загрязнённые реки. Это исследование как раз изучает такую идею. Исследователи превратили выброшенные банановые кожуры в особую форму угля, известную как активированный уголь, и использовали её для удаления стойкого оранжевого красителя из воды. Затем они сравнили несколько продвинутых компьютерных инструментов, чтобы выяснить, какой из них лучше предсказывает и оптимизирует эффективность этого процесса очистки, с целью сделать водоочистку дешевле, экологичнее и эффективнее.

Проблема стойких красителей в воде

По всему миру текстильные предприятия и другие отрасли сбрасывают в водоёмы ярко окрашенные красители. Один из них, метиловый оранжевый, является типичным представителем большой группы стойких «азо» красителей. Даже в низких концентрациях такие красители могут блокировать свет в реках и озёрах, вредить водной флоре и фауне и представлять риск для здоровья людей, вызывая раздражение кожи и глаз или перегрузку внутренних органов. Многие существующие методы очистки — такие как мембранная фильтрация, химическое осаждение или передовые окислительные процессы — либо требуют много энергии и денег, либо порождают дополнительные отходы, либо требуют дорогих материалов. Поэтому учёные обращаются к адсорбции — процессу, при котором загрязнители прилипают к поверхности твердого вещества — как к простому и эффективному варианту.

Банановые кожуры как недорогой материал для очистки

Банановые кожуры — обильные сельскохозяйственные отходы, особенно в регионах, таких как Уганда, где бананы являются основным продуктом питания. Вместо того чтобы выбрасывать их или использовать только как корм, в этом исследовании кожуры превращают в активированный уголь путем нагрева и обработки кислотой. Полученный материал обладает высокой пористостью, большой внутренней площадью и множеством химических «точек захвата», способных удерживать молекулы красителя. С помощью нескольких лабораторных методов — микроскопии для изучения текстуры поверхности, спектроскопии для идентификации химических групп и адсорбции газа для измерения пористой структуры — авторы показывают, что подготовленный материал имеет шероховатые, губчатые поверхности, крошечные каналы и полезные химические группы, такие как гидроксильные и карбоксильные, которые способствуют сильному захвату красителя.

Поиск наилучших условий для удаления красителя

Чтобы оценить, насколько хорошо уголь на основе банановой кожуры удаляет метиловый оранжевый, команда варьировала три ключевых параметра: время контакта воды с углём, температуру и pH (кислотность или щёлочность воды). Вместо того чтобы слепо тестировать все возможные комбинации, они использовали статистическую схему, называемую планом Бокса–Бенкена, чтобы провести всего 17 целевых экспериментов. На основе этих данных были определены близкие к оптимальным условия: слегка тёплая вода (около 42 °C), близкий к нейтральному pH (примерно 7) и время контакта примерно полчаса. В этих условиях уголь мог удерживать более 140 миллиграммов красителя на грамм материала — показатель, сопоставимый с многими другими недорогими адсорбентами, описанными в литературе.

Умные модели, которые изучают поведение системы

Поскольку реальная очистка сточных вод сложна и часто нелинейна, авторы протестировали три различных подхода моделирования, чтобы предсказать, сколько красителя будет удалено при разных условиях. Первый — метод отклика поверхности — аппроксимирует данные искривлённой математической поверхностью. Второй — искусственная нейронная сеть — имитирует, как связанные «нейроны» в компьютере учатся распознавать закономерности на примерах. Третий — адаптивная нейро‑нечеткая инференционная система — сочетает нейронные сети с нечеткой логикой, которая умеет работать с постепенными переходами вместо простых «да/нет» правил. Все три модели хорошо согласовывались с экспериментальными данными, но гибридный нейро‑нечеткий подход продемонстрировал наибольшую точность прогнозов и наименьшие ошибки, особенно при учёте тонких взаимосвязей между pH, временем и температурой.

Как краситель фиксируется и насколько надёжна многократная эксплуатация

Чтобы глубже понять процессы, исследователи проанализировали скорость захвата красителя и его распределение по поверхности угля. Они обнаружили, что процесс следует так называемой кинетике псевдо‑второго порядка, что указывает на сильное химическое сродство между молекулами красителя и поверхностью угля, а не только на слабое физическое притяжение. Другие тесты, изотермы адсорбции, показали, что краситель формирует многослойное покрытие на неоднородной поверхности, что согласуется с сильно варьированной пористой структурой, видимой на микроскопических изображениях. Практические испытания с реальными образцами воды — водопроводной, сточной, промышленной и дистиллированной — показали эффективность удаления выше 90% во всех случаях, хотя сложные стоки с множеством конкурирующих веществ показали немного худшие результаты. Уголь можно было повторно использовать несколько раз с лишь постепенным снижением эффективности, что указывает на хорошую, но не неограниченную регенерируемость.

Почему эта работа важна для повседневной жизни

Проще говоря, это исследование показывает, что такая обыденная вещь, как банановая кожура, может быть превращена в высокоэффективный материал для очистки окрашенных сточных вод, а продвинутые «обучающиеся» модели надёжно подсказывают, как управлять процессом для достижения наилучших результатов. Уголь на основе банановой кожуры способен захватывать большие количества стойкого красителя при реалистичных условиях, а адаптивная нейро‑нечеткая модель особенно эффективна для прогнозирования и оптимизации этой работы. В совокупности эти достижения приближают нас к доступным, устойчивым технологиям очистки воды, использующим местные сельскохозяйственные отходы и защищающим реки, озёра и здоровье людей.

Цитирование: Bbumba, S., Karume, I. Comparative analysis of ANFIS, ANN, and BBD for enhanced prediction of methyl orange adsorption in water treatment. Sci Rep 16, 12822 (2026). https://doi.org/10.1038/s41598-026-43445-4

Ключевые слова: активированный уголь из банановой кожуры, удаление метилового оранжевого, очистка сточных вод, моделирование адсорбции, нейро‑нечеткие системы