01 / RESEARCH QUESTION
研究问题
汇集文献数据，联合预测水渗透性能、锂截留率和镁截留率，研究锂镁溶液的浓缩条件。
将水回收与锂镁资源保留纳入统一预测和优化流程，支持浓缩工况设计。
02 / METHODS
研究思路与图1
图1a 浓缩任务
在压力驱动下让水透过，并尽量保留锂镁离子，提高原料侧溶液浓度。
图1b 三类性能建模
分别建立水渗透、锂截留和镁截留模型，用R²及误差指标比较不同算法。
图1c 结构与运行协同
结合特征贡献和参数响应图，分析表面粗糙度与压力等因素，寻找兼顾产水与保留资源的条件。
数据。采用膜结构及运行参数作为输入，以水渗透性能、Li截留率和Mg截留率为三个目标，结合MICE、标准化、五折交叉验证与PSO-XGBoost建立模型。
03 / FINDINGS
核心结果
水渗透性能、Li截留率和Mg截留率的预测R²约为0.86、0.77和0.96。参数优化在Mg截留率大于90%、Li截留率大于50%的条件下搜索水渗透性能较高的候选方案。
04 / GLOSSARY
术语说明
- PSO
- Particle Swarm Optimization｜粒子群优化：通过一组候选解协同搜索参数。
- R²
- 决定系数：衡量模型对目标变量变化的解释程度。
- LMH
- L·m⁻²·h⁻¹｜每平方米膜面积每小时通过的液体升数，是体积通量单位。
- ICE
- Individual Conditional Expectation｜个体条件期望：展示单个样本的模型响应。
- XGBoost
- Extreme Gradient Boosting｜极端梯度提升。
- ζ电位
- 读作“泽塔电位”（zeta potential）：表征界面电动学性质。
05 / REFERENCE
论文来源
Zhanlin Ji 等
Polymeric membrane concentration of lithium-magnesium solution for sustainable resource recovery with machine learning
Water Research 287 (2025) 124438
DOI: 10.1016/j.watres.2025.124438 ↗图表来源：上述论文原图。研究解读据科研成果汇报材料整理；模型候选设计与实验验证结果按原文区分。