Coupling Nano-Enhanced Activated Carbon Adsorption with Multi-Model Machine-Learning Sedimentation Forecasting: A Translational Engineering Framework for the Descolmatation of Rivers, Lakes and Lagoons, from United States Practice to the Peruvian Andes

기술 요약: 나노 강화 활성탄 흡착과 다중 모델 머신러닝 침전 예측의 결합

문제 정의
전 세계의 강, 호수 및 석호는 의약품, 내분비 교란 물질, 과불화화합물(PFAS)과 같은 신종 오염물질(ECs)의 축적과 중금속에 의해 악화되는 점진적인 채널 퇴적이라는 이중 과제에 직면해 있습니다. 기존의 처리 공정은 이러한 결합된 문제들을 동시에 해결하는 데 자주 실패합니다. 구체적으로, 흡착 재료는 미량 오염물질을 제거하지만, 결과로 생성된 사용된 흡착제 플록(floc)은 퇴적물의 침강 역학을 변화시켜, 흡착 성능과 거시적 규모의 퇴적물 이동이 서로 독립적인 공학 문제로 취급되는 복잡한 시스템을 생성합니다. 이러한 단절은 특히 페루 안데스 산맥과 같이 과거의 중금속 부하와 유기 미량 오염물질이 공존하며, 자원 제약(간헐적 전력, 접근의 어려움)으로 인해 표준 미국식 인프라 구축이 제한적인 광산 영향 지역 유역에서 매우 중요합니다.

방법론
본 논문은 일차적인 실험 연구가 아닌 설계-합성 방법론 논문(Design-synthesis Method Article)으로서 기능합니다. 저자는 새로운 실험실 또는 현장 실험을 수행하지 않았습니다. 대신, 본 방법론은 통합된 공학 프레임워크를 구축하기 위해 피어 리뷰를 거친 학술 소스로부터 문서화되고 DOI가 검증된 정량적 증거를 수집하고 합성하는 과정을 포함했습니다.

제안된 프레임워크는 세 가지 지배 방정식(governing formulas)을 통해 두 가지 별개의 프로세스를 연결합니다:

1. 흡착 성능: 나노 강화 활성탄(AC) 복합체(예: 그래핀 옥사이드, 나노 제로가치 철 또는 금속 산화물이 첨가된 활성탄)에 대한 데이터를 활용하여 Langmuir 흡착 등온식($q_e = \frac{q_{max} \cdot K_L \cdot C_e}{1 + K_L \cdot C_e}$)을 사용하여 모델링됩니다.
2. 침전 역학: 나노 응집체의 경우, 형상/구형도 보정 계수($\chi$)를 포함하여 퇴적물-플록 응집체의 다공성과 프랙탈 특성을 반영하는 수정된 Stokes 법칙($v_s = \frac{g \cdot (\rho_p - \rho_w) \cdot d_e^2 \cdot \chi}{18 \cdot \mu}$)을 사용하여 모델링됩니다.
3. 예측 포캐스팅: 가중치가 적용된 다중 모델 머신러닝(ML) 앙상블($\hat{v}_s = \sum w_i \cdot f_i(X)$)을 사용하여 모델링됩니다. 이 앙상ле은 무작위 포레스트(Random Forest), 그래디언트 부스팅(Gradient Boosting), 극한 학습 기계(Extreme Learning Machines)와 같은 알고리즘을 결합하며, 수리학 및 퇴적물 특성에 따른 침강 속도를 예측하기 위해 역 제곱 평균 제곱근 오차(inverse RMSE)에 따라 가중치를 부여합니다.

본 연구는 격지 전력, 고정층 접촉기 및 중앙 집중식 SCADA에 의존하는 미국의 풀스케일 배치 절차를 제안된 페루 안데스 적응형 모델과 비교합니다. 페루 적용 모델은 현지에서 조달한 바이오매스 잔류물, 태양광 기반 프로그래머블 로직 컨트롤러(PLC) 및 ML 앙상블을 실행하는 엣지 디바이스를 활용하여 저비용, 모듈형 구성으로 대체합니다.

주요 결과 및 증거
문헌 데이터의 합성을 통해 다음과 같은 정량적 벤치마크를 도출했습니다:

• 흡착 효율: 복합 활성탄(AC) 재료는 다양한 오염물질에 대해 60%에서 99% 사이의 제거 효율을 보여줍니다. 구체적인 예로, 활성화된 ZIF-8 유도체를 사용한 11가지 PFAS 화합물의 85~99% 제거와 질소 도핑된 코코넛 껍질 활성탄의 아세트아미노펜에 대한 최대 흡착 용량 357.1 mg/g이 있습니다.
• ML 예측 정확도: 트리 기반 다중 모델 앙상블은 퇴적물 수송 예측에 대해 R > 0.936의 상관 계수를 달 дости achieved 하며, 이는 베이지안 회귀(R = 0.838)와 같은 단일 모델 베이스라인을 크게 상회하는 수치입니다.
• 침전 역학: 나노입자가 더 큰 클러스터(예: 23-nm 입자가 2.5-$\mu$m 클러스터를 형성)로 응집됨에 따라 침강 시간이 최대 **86.44%**까지 단축될 수 있습니다.
• 현장 맥락 (페루): Rímac 및 Ichu 유역의 데이터는 심각한 오염을 나타내며, Rímac 하부 유역의 중금속 오염 지수(HPI)는 1378.5(임계값 = 100)에 달하며, 유기물 및 광산 오염과 연관된 용존 산소 고갈 현상이 관찰되었습니다.

의의 및 기여
본 논문은 응용 공학 분야에 다음과 같은 세 가지 주요 기여를 주장합니다:

1. 병렬 분야의 통합: 나노 규모의 흡착 문헌과 거시 규모의 퇴적물 수송 ML 문헌 사이의 간극을 메우며, 사용된 흡착제 플록을 침전 역학의 통합된 구성 요소로 취급하는 단일한 공동 설계 시스템을 제안합니다.
2. 결합의 공식화: Langmuir 등온선, 수정된 Stokes 법칙, 가중치 적용 ML 앙상블을 연결하여 결합된 퇴적물-플록 스트림의 거동을 예측하는 수학적 프레임워크를 제공합니다.
3. 맥락적 적응: 미국의 풀스케일 공학 절차를 안데스 지역의 지형, 수문 및 자원 제약에 맞게 저비용, 모듈형 및 태양광 기반 구성으로 변환합니다.

한계 및 범위
저자들은 본 연구가 검증된 현장 시험이 아닌 설계 및 합성 제안임을 명시적으로 밝힙니다. 프레임-워크는 다양한 수질 매트릭스와 수문학적 조건으로부터 얻은 이차 데이터에 의존하며, 이는 특정 페루 안데스 맥락과는 차이가 있을 수 있습니다. 따라서 미국에서 기록된 복합 활성탄 성능을 안데스의 다중 오염물질 시스템에 직접 적용하는 것은 가설적 단계로 취급됩니다. 논문은 풀스케일 배포 전 필수적인 다음 단계로서, 현지에서 수집된 유입수 특성 분석 및 퇴적물 측정을 활용한 페루 유역에서의 파일럿 규모 현장 검증을 제로 제시합니다. 인간 또는 동물 대상 연구는 포함되지 않았으며, 일차적인 생물학적 또는 임상 데이터도 수집되지 않았습니다.