实验教学
机器学习辅助优化光催化处理抗生素废水综合实验设计*
赵莹1 , 商巧燕1,2**
1.山东师范大学化学化工与材料科学学院 山东济南 250014;
Comprehensive Experimental Design of Photocatalytic Treatment of Antibiotic Wastewater Process Optimization Based on Machine Learning
ZHAO Ying1 , SHANG Qiao-Yan1,2**
1. College of Chemistry,Chemical Engineering and Materials Science,Shandong Normal University,Jinan 250014,China;
摘要： 随着人工智能和数据科学迅速发展,工业智能化、自动化已成为必然趋势。根据新工科对工程技术人才的培养要求,结合“绿色发展”国家重大战略,针对“化学反应工程”课程教学中存在的理论知识晦涩难懂、计算公式推演繁杂等问题,设计了“机器学习辅助优化光催化处理抗生素废水”综合实验,借助理论与实验融合教学模式,旨在助力学生深刻理解化学反应机制及人工智能辅助优化反应工艺条件。首先,阐述了综合实验的实验原理、育人目标和考核方式;其次,描述了综合实验的实施过程;最后讨论了综合实验的模型训练、工艺参数优化和验证实验等实验结果。通过该综合实验,学生学习了化工、环境、计算机等学科领域知识,更好地掌握了利用新一代信息技术解决复杂化工问题的方法,加强了多学科交叉融合的科研素养和环保意识。
关键词： 机器学习 ,
光催化 ,
抗生素 ,
废水处理 ,
工艺优化
收稿日期: 2024-10-26
基金资助: * 山东师范大学本科教学改革项目:人工智能时代下化学反应工程教学改革研究与应用(2021BJ062)
通讯作者:
** E-mail:qiaoyanshang@sdnu.edu.cn
引用本文:
赵莹, 商巧燕. 机器学习辅助优化光催化处理抗生素废水综合实验设计* [J]. 化学教育（中英文）, 2025, 46(16): 47-53
[1]
Slattery A,Wen Z,Tenblad P,et al.Science,2024,383(6681):1817
[2]
赵玉新,许德新,刘志林.高等工程教育研究,2024(2):31-37
[3]
林佳妮,胡德鑫,夏淑倩,等.高等工程教育研究,2024(2):38-43
[4]
钟登华.高等工程教育研究,2017(3):1-6
[5]
夏淑倩.中国大学教学,2019(6):16-19
[6]
屈森虎,汪斌,何玉洁,等.生物工程学报,2024,40(7):2120-2135
[7]
Chow L K M,Ghaly T M,Gillings M R.Journal of Environmental Sciences,2021,99:21-27
[8]
汤赫男,郭忠峰,乔景慧,等.机械设计,2024,41(9):144-148
[9]
闫方友,贾青竹.化学教育(中英文),2022,43(22):88-93
[10]
李俊生,李嘉慧,车春波,等.水处理技术,2024,50(2):14-19,25
[11]
廖文波,朝洁,洪南龙,等.化学教育(中英文),2024,45(4):19-25
[12]
Shang Q,Liu X,Zhang M,et al.Chemical Engineering Journal,2022,443:136354
[13]
Shang Q,Chi W,Zhang P,et al.Process Safety and Environmental Protection,2022,157:297-305
[14]
Garson D G.AI Expert,1991,6(7):47-51
[15]
Tutunaru B,Samide A,Iordache S,et al.Applied Sciences,2021,11(4):1376
