2024年辽宁省数学建模竞赛C题论文首发+代码思路手把手保姆级运行讲解+微信公众号可领取

基于数据分析的改性生物碳对水中洛克沙胂和砷离子的吸附相关研究

摘要

全球水体砷污染问题日益严重，尤其是在一些发展中国家，砷污染对人类健康构成了巨大的威胁。本文基于给定的数据，对改性生物碳对水中洛克沙胂（ROX）和砷离子（As(V)）的吸附进行了相关研究。

数据与出路部分，针对题目就给出的数据，首先需要进行数据清洗，即利用KS检验判定分布方式，得出所给出的数据为非正态分布。非正态分布的数据使用箱型图判定异常值。得出给出数据并无缺失值、异常值。利用数据清洗后的数据集，绘制可不同 pH 值条件下 ROX 去除率的曲线图、3维可视化结果、气泡图等可视化结果进行数据的描述。

针对问题一，探讨反应温度、溶液 pH、吸附剂用量对 As(V) 和 ROX 去除率的影响。我们以ROX 去除率为例进行说明展示，首先进行单因素分析，分别探讨反应温度、溶液 pH 和吸附剂用量对 ROX 去除率的影响。再回归模型、因子分析模型、响应面方法、因子分析对分析温度、pH 和吸附剂用量对去除率的影响。得出去除率与各个因素的关联关系

针对问题二，优化反应条件以最大化 As(V) 和 ROX 的总吸附量。首先，用线性回归模型拟合了反应温度、溶液 pH 和吸附剂用量对 和 ROX吸附量的影响，并建立多项式回归模型。选择精度较高的多项式回归模型作为 和 ROX吸附量的关系式。利用变异系数法，将As(V)和ROX的吸附量模型结合起来，得到总吸附量的优化目标。设置反应温度、溶液 pH、吸附剂用量的取值范围、吸附平衡时间、吸附容量限制、溶液浓度、系统压力、竞争吸附等作为约束条件。利用粒子群算法进行求解，最汇得出结果9.43050195063168°C，pH: 12.0，Adsorbent (g/L): 0.1，最终目标函数为88.00835114906349

针对问题三，设计并详细说明增加的 5 次实验。为了进一步优化和验证现有的吸附模型，我们设计了5次额外的实验。这些实验旨在探索不同温度、pH值和吸附剂用量对总加权吸附量的影响，并验证模型的准确性。

关键词：水体砷污染，改性生物碳，洛克沙胂，砷离子，吸附，数据清洗，Kolmogorov-Smirnov检验，非正态分布，单因素分析，回归模型，因子分析，响应面方法，变异系数，粒子群优化算法

4.1 数据预处理

4.1.1 数据清洗

我们利用matlab的find函数对数据集的缺失值进行查找，得到题目给出数据并没有存在缺失值。对于异常值的判定，首先对数据进行正态分布的检验。

我们需要对题目给出的数据判定其分布方式，这里使用Kolmogorov-Smirnov检验。Kolmogorov-Smirnov检验是一种非参数的统计检验方法，是一种用于检验数据集是否服从某种分布的统计方法，其中最常用的是检验数据集是否服从正态分布。其基本原理是将数据集的累积分布函数与理论分布函数进行比较，通过计算两者之间的最大差距来判断数据集是否符合该理论分布。如果最大差距小于某个临界值，则认为数据集服从该理论分布，单样本的K-S检验是用来检验一个数据的观测经验分布是否是已知的理论分布。当两者间的差距很小时，推断该样本取自已知的理论分布。作为零假设的理论分布一般是一维连续分布F(如正态分布、均匀分布、指数分布等)，有时也用于离散分布（如Poisson分布）[1]。即H:总体X服从某种一维连续分布F。检验统计量为：

Shapiro-Wilk 正态分布检验的结果如下：

·统计量（Statistic）：0.8147

·p 值（p-value）：2.9543e-11

由于 p 值非常小（远小于 0.05），表明 ROX 去除率数据显著偏离正态分布。Q-Q 图：通过 Q-Q 图可以观察到 ROX 去除率数据相对于正态分布有较大的偏离，特别是在数据的两端。从图中可以看到，数据的实际分布与正态分布存在明显差异，进一步证实了数据不符合正态分布。

因此，对于不服从正态分布的数据，我们使用我们引入了箱型图。箱型图理论无需对数据自身做出限制，不受异常值影响，可以直直观的描述数据的离散分布情况，并且提供了一个识别异常值的标准，即大于箱型图设定的上界或小于下界的数值即为异常值箱型图是利用数据的最小值、第一四分位数、中位数、第三四分位数、最大值进行描述数据的一种方法，利用箱型图无需数据服从正态分布。

我们对数据进行箱型图检验，使用MATLAB中boxplot 函数来生成箱型图并标识异常值。箱型图是一种用于显示一组数据分布的图表，其中“异常值”通常被定义为小于 Q1 1.5IQR 或大于 Q3 + 1.5IQR 的值（其中 Q1 是第一四分位数，Q3 是第三四分位数，IQR 是四分位间距）。

从箱线图中可以看出，不同 pH 条件下的 ROX 吸附量分布情况：

pH 3、5、6 条件下：吸附量分布较广，但没有明显的异常值。

pH 7、9 条件下：吸附量分布较窄，吸附量较低，同样没有明显的异常值。

这些数据集中没有明显的异常值，数据整体上是合理的。

4.1.2 数据描述性分析

我已经利用提供的数据绘制了初步的可视化结果。为了更好地展示数据，我们可以绘制更加细化和清晰的图表。接下来将为每种 pH 值绘制单独的图表，展示不同温度和吸附剂用量对 ROX 去除率的影响，可视化结果如下所示

图1：不同 pH 值条件下 ROX 去除率的曲线图

通过不同 pH 值条件下 ROX 去除率的曲线图，我们可以得出以下结论：

1. pH 3、pH 5、pH 6 条件下：

高吸附剂用量（0.6 g/L、0.8 g/L、1.0 g/L）时，ROX 去除率几乎达到了 100%。

在低吸附剂用量（0.2 g/L、0.4 g/L）时，去除率相对较低，但仍然保持在较高水平。

2. pH 7 条件下：

在所有吸附剂用量下，ROX 去除率显著低于 pH 3、5、6 条件，尤其是低吸附剂用量（0.2 g/L、0.4 g/L）时，去除率更低。

随着吸附剂用量增加，去除率有所提高，但整体水平仍然低于低 pH 条件。

3. pH 9 条件下：

去除率整体较低，特别是在低吸附剂用量时（0.2 g/L、0.4 g/L）。

随着吸附剂用量的增加，去除率略有提高，但相比其他 pH 条件仍然较低。

1. 最佳条件：

最佳的 pH 条件为 3、5、6，其中 pH 3 表现最好。

最佳吸附剂用量在 0.6 g/L 及以上，尤其在 1.0 g/L 时，ROX 去除率接近 100%。

温度对去除率的影响相对较小，但在高吸附剂用量下，较高温度（45°C）表现更好。

图1：初始数据分析

从图表中可以看出：

1. 温度影响：

在较低的吸附剂用量（0.2 g/L）和较低的 pH（3、5、6）条件下，ROX 的去除率随着温度升高略有降低。

在较高的吸附剂用量（0.6 g/L、0.8 g/L、1.0 g/L）下，ROX 的去除率总体上在高温条件下略有提升。

2. pH 影响：

pH 3、5、6 下的去除率相对较高，尤其在较高的吸附剂用量（0.6 g/L、0.8 g/L、1.0 g/L）条件下，去除率接近 100%。

pH 7 和 9 的去除率明显低于其他 pH 条件。

3. 吸附剂用量影响：

随着吸附剂用量的增加，ROX 的去除率显著提升，尤其在高 pH 条件下（如 pH 9），这种提升尤为明显。

最佳吸附条件，在 pH 为 3、5、6 时，较高的吸附剂用量（0.6 g/L、0.8 g/L、1.0 g/L）和较高的温度（45°C）条件下，ROX 的去除率最高。

为了更加直观的展示，我们绘制了不同温度、吸附剂用量和 pH 条件下 ROX 去除率的三维散点图

图1：3维可视化结果

通过这个三维图，我们可以更直观地观察到温度、吸附剂用量和 pH 三个因素对 ROX 去除率的影响。我们为了将三个维度的指标放于同一图中，不同温度和吸附剂浓度下的ROX吸附率，并根据不同的pH值进行了颜色编码。横轴表示温度（°C），范围从15°C到45°C。纵轴表示吸附剂浓度（g/L），范围从0.2 g/L到1.0 g/L。每个气泡的大小表示ROX的吸附率（mg/g），吸附率越高，气泡越大。气泡的颜色表示pH值，颜色条从图的右侧可以看出，pH值范围从3到9。颜色从深蓝色到黄色渐变。具体结果如下所示

C 题 改性生物碳对水中洛克沙胂和砷离子的吸附
在吸附过程中，反应温度，溶液 pH，吸附剂用量对 As(V)和 ROX 的去除率和吸附量将产生影响（名词解释见附录）。因此，探索改性生物碳高效吸附有机无机砷的工艺条件，对于改善水体砷污染问题具有重要的意义和价值。
某化学实验室针对不同吸附条件进行了一系列实验，结果如附件 1 所示。请通过数学建模完成下列问题：
（1）当其他反应条件一定时，分别探讨反应温度，溶液 pH，吸附剂用量对 As(V)和 ROX 去除率的影响。

问题1：反应温度、溶液pH、吸附剂用量对As(V)和ROX去除率的影响

建模思路：

1. 实验数据整理与预处理： 收集并整理附件1提供的实验数据，确保数据完整性和一致性。

2. 变量定义：

o 自变量：反应温度、溶液pH、吸附剂用量

o 因变量：As(V)和ROX的去除率

3. 初步分析： 通过绘制散点图或箱线图等方式，初步观察各自变量与因变量之间的关系。

4. 回归分析： 选择适当的回归模型（如多元线性回归、非线性回归）来量化各自变量对因变量的影响。回归模型的选择可以基于数据的分布情况和预期的关系形式。

5. 模型评估与验证： 使用统计指标（如R²、F检验等）和交叉验证方法对回归模型进行评估和验证，确保模型的可靠性和泛化能力。

6. 结论： 分析回归模型的系数和统计结果，得出反应温度、溶液pH、吸附剂用量对As(V)和ROX去除率的具体影响。

这里只是初步思路及代码，后续的完整成品讲解等我会在更新汇总贴更新：

数模陪跑：2024辽宁省数学建模竞赛更新汇总贴1 赞同 · 0 评论文章

目前第一问求解结果：

（2）如何选择反应温度，溶液 pH，吸附剂用量让 As(V)和 ROX 的总吸附量尽可能大。

问题2：如何选择反应温度、溶液pH、吸附剂用量让As(V)和ROX的总吸附量尽可能大

建模思路：

1. 目标函数定义： 定义总吸附量（As(V)和ROX吸附量的总和）作为目标函数。

2. 约束条件： 根据实验条件和实际操作限制，设定反应温度、溶液pH、吸附剂用量的约束范围。

3. 优化方法选择： 选择适当的优化算法（如线性规划、非线性规划、遗传算法等）来求解目标函数在给定约束条件下的最优解。

4. 算法实现与求解： 编写代码实现优化算法，并利用实验数据进行求解，得到使总吸附量最大的反应温度、溶液pH和吸附剂用量的组合。

5. 结果分析与验证： 分析优化结果，并通过实验数据或仿真实验进行验证，确保结果的可行性和有效性。

（3）如果允许再增加 5 次实验，应如何设计，并给出详细理由。

问题3：增加5次实验的设计方案

建模思路：

1. 实验设计原则： 基于已有实验数据和模型结果，确定增加实验的设计原则，如覆盖未充分探索的变量区域、验证模型预测的关键点等。

2. 实验点选择：

o 利用实验设计方法（如中心复合设计、Box-Behnken设计）合理选择5个新的实验点。

o 确保新实验点在变量空间内均匀分布，并且能够最大程度地提升模型的准确性和稳健性。

3. 具体设计方案： 给出具体的反应温度、溶液pH和吸附剂用量的组合，并解释选择这些组合的理由。

4. 预期结果与分析： 预测增加实验后的预期结果，并分析其对模型改进和结果验证的贡献。