比较 ANFIS、ANN 与 BBD 在提高甲基橙吸附预测中的表现

将果皮废料变成清洁水

想象一下，你每天吃完的香蕉皮能帮助清理被污染的河流。本文研究正是探索这一想法。研究人员将废弃的香蕉皮制成一种特殊的炭，即活性炭，并用它从水中去除一种顽固的橙色色素污染物。随后他们比较了几种先进的计算工具，评估哪一种最能预测并优化该净化过程的效果，目的是让水处理更廉价、更环保且更高效。

水中顽固染料的问题

全球范围内，纺织厂和其他工业向水体排放色彩鲜艳的染料。其中一种甲基橙，是更大类“偶氮”染料的常见代表。即便浓度较低，这类染料也会阻挡河湖中的阳光，危害水生生物，并通过刺激皮肤和眼睛或影响内脏对人体健康构成风险。许多现有处理方法——例如膜过滤、化学沉淀或高级氧化——要么耗能高、费用大，要么产生额外废物，或者依赖昂贵材料。因此，科学家转向吸附法：一种污染物附着在固体表面的简单而有效的选项。

香蕉皮作为低成本净化材料

香蕉皮是丰富的农业废弃物，尤其在像乌干达这样以香蕉为主食的地区尤为常见。与其丢弃或仅用作饲料，本研究将香蕉皮通过加热并用酸处理，转化为活性炭。所得材料高度多孔，具有大的内表面积和许多能抓住染料分子的化学“抓手”。通过多种实验室技术——显微镜观察表面结构、光谱学识别化学基团以及气体吸附测定孔隙结构——作者表明所制材料具有粗糙的海绵状表面、微小通道和羟基、羧基等有利于强力吸附的化学基团。

寻找去除染料的最佳条件

为评估香蕉基活性炭去除甲基橙的效果，团队改变了三个关键条件：水与炭接触时间、温度和 pH（溶液酸碱度）。他们没有盲目测试所有可能组合，而是采用一种名为 Box–Behnken 设计的统计方案，仅安排了 17 次有针对性的实验。由此，他们找到了近似理想的条件：略为温暖的水（约 42 °C），接近中性的 pH（约 7），以及大约半小时的接触时间。在这些条件下，该活性炭的吸附容量可超过每克材料 140 毫克染料，这一数值与文献中许多其他低成本吸附剂相比具有竞争力。

能学习系统行为的智能模型

由于真实世界的废水处理往往复杂且非线性，作者测试了三种不同的建模方法来预测在各种条件下的染料去除量。第一种，响应面法，通过数据拟合出一条曲面。第二种，人工神经网络，模拟计算机中相互连接的“神经元”从样本中学习模式的方式。第三种，自适应神经模糊推理系统，将神经网络与模糊逻辑结合起来，用于处理渐变而非简单的二元规则。三种模型都与实验数据高度吻合，但混合的神经模糊方法提供了最精确的预测和最低的误差，尤其在捕捉 pH、时间与温度之间的微妙相互作用时表现最佳。

染料的附着方式及其耐用性

为更深入理解机制，研究者分析了染料被吸附的速率及其在炭表面的扩散情况。他们发现该过程符合所谓的准二级动力学模式，表明染料分子与炭表面之间主要存在较强的化学型结合，而不仅仅是弱的物理吸附。另一组称为吸附等温线的研究显示，染料在不均匀表面上形成多层吸附，这与显微图像中观察到的高度多样化孔隙结构一致。使用真实水样（自来水、污水、工业废水和蒸馏水）的实际试验显示，各种情况下去除效率均超过 90%，尽管含有多种竞争物质的复杂废水表现略差。该活性炭可重复使用多次，仅表现出渐进的性能下降，说明其具有良好但非无限的可重复使用性。

这项工作为何与日常生活相关

简而言之，本研究表明像香蕉皮这样普通的废料可以转化为高性能材料，用于净化含染料的废水；先进的“学习”模型可以可靠地指导如何运行该过程以获得最佳结果。香蕉基活性炭在现实条件下能吸附大量持久性染料，而自适应神经模糊模型在预测和优化该性能方面尤其有效。二者结合推动了利用当地农业废物的经济可行、可持续水净化技术的发展，有助于保护河流、湖泊与人类健康。

引用: 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

关键词: 香蕉皮活性炭, 甲基橙去除, 废水处理, 吸附建模, 神经模糊系统