Построение модели для прогнозирования электропроводности в гидропонных питательных растворах — Наука в гидропонике
Электропроводность (EC) является одним из наиболее полезных параметров при практическом приготовлении гидропонных питательных растворов. Это связано с тем, что знание ожидаемой электропроводности питательного раствора может позволить вам приготовить растворы без точного измерения общего объема, параметр, который часто трудно точно определить на практике. Хотя определить целевую электропроводность легко, используя небольшие объемы препарата, что можно сделать точно, часто нецелесообразно делать это регулярно, что необходимо, если фактический состав питательного раствора меняется в зависимости от времени. В связи со всем вышеизложенным важно разработать точные модели для оценки ЕС питательных растворов, имея только информацию об их минеральном составе, без необходимости измерять значение экспериментально. В этом посте я собираюсь рассказать о том, как я создал модель именно для этого, воспользовавшись экспериментами с несколькими переменными и простыми методами моделирования.
Проблема с моделированием проводимости заключается в том, что не все соли вносят одинаковый вклад в проводимость питательного раствора. Например, сульфат калия может значительно увеличить проводимость на грамм по сравнению с такой солью, как монофосфат калия. Кроме того, добавление некоторых солей может повлиять на проводимость других (подробнее см. мой предыдущий пост о моделировании проводимости в Hydrobuddy). В режиме, который мы используем в гидропонике, определение электропроводности с использованием данных предельной молярной электропроводности может привести к очень искаженным результатам, что делает эти оценки малоприменимыми на практике.
Чтобы решить эту проблему, я разработал эксперимент, в котором было выполнено 50 различных измерений ЕС для различных гидропонных питательных растворов в диапазоне концентраций питательных веществ, которые разумно ожидаются в гидропонной культуре, причем некоторые значения превышали эти, чтобы гарантировать, что все встречающиеся значения на практике будет находиться в пределах измеренных диапазонов. На изображении выше показаны все концентрации, которые были измерены в ходе эксперимента. Для приготовления растворов я использовал известково-аммиачную селитру, сульфат калия, гептагидрат сульфата магния, монофосфат калия и сульфат аммония. Все они были солями сельскохозяйственного качества, чтобы отражать те же примеси, которые ожидаются в обычной гидропонной установке. Обратите внимание, что соли тяжелых металлов не использовались, поскольку их вклад в ЕС гидропонного питательного раствора незначителен.
Концентрированные растворы всех солей готовили в мерных колбах на 250 мл с использованием шкалы +/- 0,001 г, и аликвоты этих растворов отбирали с помощью пластиковых шприцев на 5 мл (+/- 5%), чтобы приготовить окончательные растворы на 250 мл с использованием мерных колб. Измерения электропроводности проводились с помощью измерителя электропроводности Apera EC60, предварительно откалиброванного с использованием метода калибровки по 2 точкам. Все растворы готовили на дистиллированной воде. Целевые концентрации растворов определяли с помощью генератора псевдослучайных чисел, чтобы попытаться обеспечить случайное распределение образцов в интересующем пространстве концентраций.
Используя эти данные, мы построили линейную модель, чтобы попытаться предсказать проводимость. Чтобы оценить модель, мы случайным образом разделили результаты, чтобы получить 33 точки данных, используемые для построения модели, и 17 точек, оставленных для проверки модели. Выполнение этого процесса 100 раз показывает, что среднее значение R2 модели на тренировочном наборе составляет 0,995, а среднее значение на тренировочном наборе — 0,994. Это показывает, что модель способна правильно обобщать данные о проводимости, чтобы правильно предсказать проводимость раствора в изучаемом пространстве. Средняя абсолютная ошибка в тестовой выборке составила 0,036 мСм/см. Это показывает высокую достоверность, с которой мы можем делать прогнозы электропроводности.
Изучение коэффициентов модели может также показать нам, насколько разными могут быть фактические вклады различных элементов в проводимость питательного раствора. Эти результаты удивительны, если вы сравните их с вкладом проводимости на грамм, который ожидается от предельных значений молярной проводимости, которые являются значениями проводимости, которые ионы проявляют сами по себе при очень высоких разбавлениях (этот метод также используется в HydroBuddy <= v1.65). Здесь мы ясно видим, что на самом деле мы получаем большую проводимость от сульфата по сравнению с другими элементами и значительно меньше от магния. Это означает, что при значениях состава и концентрации, используемых в гидропонике, ионы Mg не могут вносить такой большой вклад, как они могут, когда они одни, потому что их активность снижается другими ионами в растворе, в то время как противоположный случай применим к сульфату. .
Вышеизложенное показывает нам, почему проводимость в гидропонике так сложна, показывает, как ионы не вносят одинаковый вклад в проводимость и как они ведут себя совершенно по-разному в реальных гидропонных растворах. К счастью, вышеизложенное также показывает, как мы можем создать модель, используя экспериментальные данные, которые на самом деле способны предсказывать электропроводность, поскольку отношения, хотя и отличаются от ожидаемых, по-прежнему хорошо предсказуемы, когда доступно достаточное количество экспериментальных данных. Все вышеупомянутые эксперименты заняли 4 часа — с помощью моей прекрасной жены, которая также является химиком — и должны позволить мне добавить очень мощную модель для прогнозирования значений EC гидропонного питательного раствора для HydroBuddy.
Все вышеперечисленные экспериментальные данные будут доступны с открытым исходным кодом и скоро будут доступны в репозитории github. Мы также надеемся показать вам, как все это было сделано в видео на YouTube в ближайшем будущем.
