一直以来，转炉钢渣资源化利用都是钢铁行业面临的难题，如何将转炉钢渣应用于碳中和领域也是当前研究的热点和难点。对此，华北理工大学教授李俊国团队首次提出利用机器学习手段，构建转炉钢渣用于微藻高效固碳模型，研究了在海水介质中，转炉钢渣中的主要有价元素对小球藻生物量和固碳速率的影响。
团队基于实际实验数据，应用BP神经网络（BPNN）、决策树（DT）和随机森林（RF）3种机器学习方法建立了转炉钢渣中典型元素对小球藻固碳速率影响的数学模型，优化了最佳固碳模式，获得高达50.86mg/(L·d)的固碳速率。
该研究成果发表在国际期刊《亚历山大工程杂志》（Alexandria Engineering Journal）上，相关工作得到了河北省自然科学基金创新研究群体项目的支持，为冶金渣绿色、低碳、高值化利用提供理论指导和模型支持。
相关论文链接：https://doi.org/10.1016/j.aej.2024.08.112
版权声明：凡本网注明“来源：中国科学报、科学网、科学新闻杂志”的所有作品，网站转载，请在正文上方注明来源和作者，且不得对内容作实质性改动；微信公众号、头条号等新媒体平台，转载请联系授权。邮箱：shouquan@stimes.cn。
