Predicción asistida por aprendizaje automático de la adsorción de metales pesados a partir de aguas residuales de efluentes de curtido utilizando Delonix-regia con modelo de bosque aleatorio, isotermas y cinética

Este estudio explora la efectividad de Delonix regia como un bioadsorbente de bajo costo para la eliminación de metales pesados de efluentes de curtido recolectados de 42 ubicaciones en Vaniyambadi, distrito de Vellore. Se optimizaron los parámetros operacionales clave: pH, dosis de adsorbente, concentración de iones metálicos, tiempo de contacto y temperatura utilizando un modelo de aprendizaje automático de Bosque Aleatorio (RF). Se encontraron metales pesados como Níquel (Ni), Plomo (Pb) y Cadmio (Cd) en altas concentraciones, lo que indica una severa contaminación por descargas de curtido. Los experimentos de adsorción por lotes demostraron eficiencias de remoción significativas, con valores reales y predichos por RF alineados (por ejemplo, 78.8 % vs. 77.9 % a los 60 min), confirmando la fiabilidad del modelo. El análisis cinético mostró un fuerte acuerdo con el modelo de pseudo-segunda orden (R² > 0.99), lo que indica que la quimisorción rige el proceso de adsorción. Los estudios de isoterma confirmaron el ajuste del modelo de Langmuir, sugiriendo adsorción de monocapa en superficies homogéneas. La integración de aprendizaje automático y datos experimentales resultó efectiva en la optimización de condiciones de adsorción y en la comprensión de mecanismos. En general, Delonix regia se valida como una solución sostenible y eficiente para la eliminación de metales pesados de aguas residuales industriales, contribuyendo a estrategias de tratamiento respetuosas con el medio ambiente y rentables.