响应曲面法和人工神经网络模型对电催化氧化磺胺甲恶唑条件的优化

为获得电催化氧化磺胺甲恶唑的最佳实验条件,通过中心组合设计(CCD)设计实验,建立响应曲面(RSM)和人工神经网络(ANN)两种模型,并评价了两种模型的准确性和预测能力。在此基础上分别通过响应曲面法和遗传算法对所得模型进行优化。结果表明:RSM和ANN的均方误差(MSE)、平均绝对误差(MAE)和决定系数(R^2)分别为2.62、1.13、0.976和0.59、0.62、0.994,说明ANN模型比RSM模型具有更高拟合度、精度和预测能力。响应曲面法和遗传算法的优化结果与实验所得结果的相对误差分别为1.48%和0.74%,说明遗传算法具有更强的优化能力。本研究结果可为优化电催化氧化抗生素废水的条件提供参考。