تحلیل و ارزیابی جذب فلزات سنگین با استفاده از الگوریتم های یادگیری ماشین

در این مطالعه، از مدل های یادگیری ماشین (Machine learning) برای پیش بینی حذف فلزات سنگین سرب (II) و مس (II) از محلولهای آبی استفاده شده است. مد لهای رگرسیون خطی، (RandomForest(RF و XGBoost بر روی داده های تجربی آموزش (train) داده شدند و عملکرد آنها با استفاده از معیارها ی خطای میانگین مربعات MSE و ضریب تعیین (R(۲ ارزیابی شد. نتایج نشان داد که مدل XGBoost بهترین عملکرد را در پیش بینی داده ها دارد و میتواند به طور دقیق میزان جذب فلزات را تحت شرایط مختلف پی شبینی کند. این مطالعه نشان میدهدکه یادگیری ماشین می تواند ابزار موثری برای بهینه سازی فرآیندهای حذف فلزات سنگین باشد.