[发明专利]一种结合孔隙结构分层和电热再生的活性炭过滤改良方法

说明书

技术领域

本发明属于活性炭吸附和电热再生的技术领域，特别是涉及一种分布式深度学习模型来规范活性炭过滤和电热再生的技术手段。

背景技术

随着利用活性炭吸附特质过滤水中有机物的技术不断革新，但是目前面临着活性炭失效和吸附效果的问题。

针对以上问题，目前采用化学、物理和数学三方面学科交叉的研究正在引起广泛关注。但是，如何平衡跨学科技术应用来满足活性炭实际吸附任务需求的研究工作还尚在攻坚阶段。

现阶段，活性炭吸附能力主要取决于自身的孔隙结构，从外观上区分主要为颗粒活性炭和粉末活性炭，其中颗粒活性炭广泛应用于水处理工艺。同时，活性炭再生方法有生物再生、热再生、化学溶液再生、湿式氧化再生、电化学再生、超声波再生、微波辐照再生和超临界萃取再生方法。

发明内容

为了解决上述问题，本发明的目的在于提供一种结合孔隙结构分层和电热再生的活性炭过滤改良方法。

为了达到上述目的，本发明提供的结合孔隙结构分层和电热再生的活性炭过滤改良方法包括按顺序执行的下列步骤：

步骤1.建立活性炭不同孔隙大小的层次结构；

步骤2.开展电热再生实验流程，建立活性炭吸附能力再生机制；

步骤3.确立分布式深度学习的活性炭吸附数学模型，实现动态 调节的活性炭过滤响应过程。

在步骤1中，根据活性炭自身结构将其分为四层活性炭孔隙结构，顶层和底层采用粗孔隙结构，实现过滤水的快速进出；中间两层采用细孔隙结构，实现过滤水充分解除和吸附。

在步骤2中，通过反复观察和实验记录四层活性炭孔隙结构的活性炭吸附工作，掌握活性炭吸附性能全周期过程，将活性炭注入电流，借助焦耳热，在活性炭吸附表面积上进行活化反应。

在步骤3中，将活性炭的四层结构作为研究对象，将活性炭吸附过程作为研究命题，借助最小二乘算法实现研究对象的权重分配，借助实验数据分析学习和分析，构建层次结构的分布式深度学习吸附过程知识库，进而指导活性炭吸附和再生双重工作。

本发明提供的结合孔隙结构分层和电热再生的活性炭过滤改良方法的效果：

本方法通过首先组合活性炭结构来达到吸附最佳效果的目的，其次利用电热再生的活化反应将活性炭达到循环利用的目的，最后借助最小二乘分配权重和层次式深度学习库的理念完成活性炭有效吸附的动态平衡过程。

附图说明

图1为本发明提供的结合孔隙结构分层和电热再生的活性炭过滤改良方法流程图。

具体实施方式

下面结合附图对本发明提供的结合孔隙结构分层和电热再生的活性炭过滤改良方法进行详细说明。

如图1所示，本发明具体实施如下：

1.建立活性炭不同孔隙大小的层次结构

将活性炭进行四层层次式结构拼接，其中将顶层和底层采用粗孔隙结构，中间两层采用细孔隙结构。

2.建立活性炭吸附能力再生机制

活性炭吸附能力再生机制按照实施步骤分为电热再生流程设计和依据电热再生流程挂接不用层次结构的活性炭。

3.动态调节活性炭过滤响应过程

动态调节活性炭过滤响应过程由以下几个部分组成：建立基于四层层次结构的最小二乘权重模型；进行活性炭过滤实验数据，记录活性炭饱和实验数据；激发活性炭电热再生过程；建立活性炭饱和和再生关联映射关系；构建活性炭四层结构的分布式深度学习过滤知识库；平衡活性炭过滤和再生实施过程。