合成染料在我国被大量的生产和使用,它们被广泛用作塑料、羊毛、纺织、陶瓷、皮革、化妆品、纸张、玻璃、油墨、制药和食品的着色剂等。在生产和使用合成染料的过程中产生大量的废水,造成严重的环境污染。三苯甲烷类染料是继偶氮染料和蒽醌染料之后有机染料中的第三大类,这类化合物很难在自然界中降解,且已被证实对哺乳类动物具有致癌、致畸和致突变的作用。因此,对从废水去除该类染料污染物的研究具有重要意义。本论文将介孔Pd-Fe双金属和Mn掺杂Fe磁性纳米粒子分别固定在还原氧化石墨烯上,用于模拟废水中三苯甲烷类染料的脱色。以三苯甲烷类染料中灿烂绿和乙基紫合成染料为代表污染物。两种磁性纳米复合材料用X射线衍射仪、X射线光电子能谱仪、拉曼光谱仪、高分辨透射电子显微镜、扫描电子显微镜、超导量子干涉仪、N2吸附、小角度X射线衍射和X射线能量色散光谱仪进行表征。利用人工智能(AI)技术(人工神经网络、粒子群优化、遗传算法、随机森林和径向基函数)对脱色过程进行建模和优化。Pd-Fe/rGO磁性纳米复合材料的Brunauer-Emmett-Teller比表面积为164.1519 m~2/g,单点吸附总孔容为0.4783cm~3/g,Barrett-Joyner-Halenda平均孔径为10.8575 nm,孔径分布中心为3.47 nm,属于介孔材料。根据响应面方法(RSM),进行了批量实验,研究了操作参数(即:初始pH(4-6)、初始浓度(400-600 mg/l)、接触时间(2–8 min)和温度(25-35℃)对灿烂绿合成染料在水溶液中脱色的影响。在批量实验的基础上,对RSM和人工智能模型(ANN-PSO和ANN-GA)的预测能力进行了评价。结果表明,ANN-GA模型比其他两种模型具有更好的预测性能。用线性和非线性方法将灿烂绿在Pd-Fe/rGO上吸附的实验平衡数据拟合到Langmuir和Freundlich等温方程。由线性拟合得到的R2值较好。吸附平衡符合Freundlich等温线且Pd-Fe/rGO的最大吸附量为3333.33 mg/g。利用三个动力学模型,包括伪一级、伪二级和Elovich方程,对灿烂绿脱色过程进行了研究。结果表明,伪二级动力学模型(R2=0.9989)能较好地描述去除动力学数据。此外,热力学研究表明,吸附过程是自发的和吸热的。采用一步共沉淀法制备了介孔Mn掺杂Fe磁性纳米粒子修饰的还原石墨烯(Mn-doped Fe/rGO),并将其用于废水中乙基紫合成染料的去除。采用人工智能(AI)模型对Mn-doped Fe/rGO去除乙基紫合成染料进行建模和优化。在这些人工智能模型中,ANN-GA被认为是预测Mn-doped Fe/rGO对乙基紫去除率的最佳模型。采用随机森林、梯度提升回归进化树、方差分析法和Garson方法对四个因素在去除染料过程中的重要性进行评价,结果表明剂量对Mn-doped Fe/rGO去除乙基紫的影响最大。通过动力学和吸附等温线模型对实验数据进行拟合。结果表明,Mn-doped Fe/rGO去除乙基紫的过程符合伪二级动力学模型和Langmuir等温线,并且最大吸附量为1000.00 mg/g。总之,这些介孔磁性纳米复合材料具有比表面积大、脱色快、对灿烂绿和乙基紫合成染料有高的吸附能力等优点,并表明人工智能技术优化去除工艺是成功的。