Enhanced extraction of lignite-derived humic acids coupled with machine learning

提高氧化效率对于褐煤提取腐殖酸（HAs）的生产至关重要。基于机器学习探索工艺调控、阐明各参数的耦合作用机制及准确调控HAs的形成途径，仍然是褐煤基HAs高效制备和机理研究中的主要瓶颈。本研究采用随机森林机器学习算法对HAs提取工艺进行了建模和优化。特征重要性分析表明，反应温度对腐殖酸产率的影响最大，贡献率为13.55%，其次是反应时间（13.50%）和搅拌速度（8.37%）。所构建的随机森林模型预测性能良好，决定系数（R2）为0.79，均方根误差（RMSE）为2.69。在H2O2氧化引发的热失控反应过程中，实验结果证实消泡剂可以通过降低表面张力有效破坏泡沫稳定性，从而抑制放热反应。加入消泡剂后，体系最高反应温度从99.8 ℃降至69.97 ℃，O2和N2的释放量分别降低56.0%和31.1%。机理分析表明，消泡剂通过改善润湿性调节反应速率，有效缓解体系温度骤升；同时，消泡剂不会改变HAs的官能团组成，还可提升其芳香缩合程度。本研究为褐煤提取HAs的制备及机理研究提供了理论依据。