生物炭是農林廢棄物等生物質材料熱解后所得的碳質材料，具有多孔結構及豐富的表面官能團，是養殖尾水和富營養化水體中磷的環保型吸附劑。然而，吸附劑的開發和吸附過程的解析優化存在耗時費力、針對性不強、不夠精準等技術瓶頸。

中國科學院水生生物研究所漁業智能技術與裝備研究組聯合武漢紡織大學環境工程學院，借助機器學習技術，構建了時間跨度13年（2011-2023）、數據樣本超過1200條、且涵蓋生物炭理化特性、水質參數、除磷條件等多維變量的190種生物炭數據集。在此基礎上，優化了隨機森林RF算法和CatBoost算法，建立了R2值為0.9573、RMSE值為8.02的磷吸附容量預測模型。利用該模型，可以快速分析并確定影響生物質變量的權重，預測了單特征和雙特征互作對磷吸附容量的影響，為優化智慧漁業生物炭設計、提升受污水體磷去除效率提供了新技術與新方法支撐。

圖1.研究方法示意圖

圖2.RF模型和CatBoost模型的預測能力對比

圖3.各影響變量的重要性

該研究以“Machine learning-driven prediction of phosphorus adsorption capacity of biochar：Insights for adsorbent design and process optimization”為題近期在線發表于Journal of Environmental Management（https://doi.org/10.1016/j.jenvman.2024.122405）。該研究得到湖北省自然科學基金項目和武漢市知識創新專項曙光計劃項目等項目資助。水生所呂華飛助理工程師為該論文第一作者，水生所段明研究員為共同通訊作者。