近年来,介质阻挡放电低温等离子体（DBD-NTP）技术以其高效、环境友好及操作简单等优点,受到广泛关注。DBD-NTP协同均相/非均相催化技术,能够进一步提高其能量效率和对污染物的降解率。二氧化钛（TiO2）是目前应用广泛的光催化半导体材料,暴露{001}面的缺陷二氧化钛(TiO2-x)较普通TiO2相比拥有更加优良的光催化活性。与单一的光催化剂相比,半导体与磁性层状双氢氧化物（LDHs）复合催化剂不仅能促进光生电子与空穴的分离,扩大其光响应范围,而且还能提高催化剂的回收利用率。DBD-NTP产生的紫外光和热效应,磁性TiO2-x/Mg-Al LDH均能够活化过硫酸盐（PS）产生SO4·-。本文以氟喹诺酮类抗生素中使用频率最高的抗生素诺氟沙星（NOR）为目标污染物,分别研究了DBD-NTP/TiO2-x与DBD-NTP/磁性TiO2-x/Mg-Al LDH/PS降解溶液中NOR的效能和机理,同时,对制备的暴露{001}面的TiO2-x与磁性TiO2-x/Mg-Al LDH进行了结构与性能表征,最后,采用基于遗传算法优化的人工神经网络模型对NOR的降解率进行了预测,分析了NOR降解过程中各影响因素与NOR降解率之间的关系。采用水热法制备了暴露{001}面的TiO2-x,研究了DBD-NTP/TiO2-x降解水中NOR的机理。使用场发射扫描电镜（SEM）、场发射透射电镜（TEM）、X射线衍射（XRD）、X射线光电子能谱（XPS）、拉曼光谱（Raman）、光电流、氮气吸脱附曲线、电子顺磁共振（EPR）对暴露{001}面的TiO2-x结构与光电性能进行了表征。考察了TiO2-x投加量、放电功率、空气流量、溶液初始p H以及NOR溶液初始浓度对NOR降解率的影响。结果表明,DBD-NTP与TiO2-x降解NOR时具有明显的协同催化效应,且随着TiO2-x投加量的增大,协同催化效应越发显著。DBD-NTP协同TiO2-x降解水中NOR的反应符合伪一级动力学。自由基淬灭试验和活性物质含量测定结果表明,~1O2、O3、H2O2、·OH、·O2-、h+以及e-均在NOR降解过程中起重要作用,其中,~1O2的贡献最为显著。TiO2-x循环使用性能试验表明TiO2-x具有良好的光催化稳定性。NOR降解路径主要包括哌嗪环断裂、喹啉环断裂、脱羧以及苯环脱氟,最终矿化为CO2和H2O。采用水热法构筑了三种磁性TiO2-x/LDHs,研究了DBD-NTP协同磁性TiO2-x/Mg-Al LDH活化PS降解溶液中NOR的效能,结果表明,磁性TiO2-x/Mg-Al LDH具有优异的光催化性能,在30 min时NOR的降解率达95.1%。协同因子计算结果显示DBD-NTP协同磁性TiO2-x/Mg-Al LDH活化PS体系的协同因子最高。采用SEM、TEM、XRD、XPS、FTIR、氮气吸脱附曲线、EPR对磁性TiO2-x/Mg-Al LDH进行了表征。考察了磁性TiO2-x/Mg-Al LDH投加量、放电功率、空气流量、溶液初始p H、NOR溶液初始浓度以及PS投加量对NOR降解率的影响。DBD-NTP协同磁性TiO2-x/Mg-Al LDH活化PS降解NOR的过程遵循伪一级动力学。TOC含量测定结果证明PS的添加能够显著提高NOR的矿化率。~1O2、O3、H2O2、·OH、·O2-、h+、e-以及SO4·-均对NOR的降解有所贡献,其中,~1O2的贡献最为显著。磁性TiO2-x/Mg-Al LDH在使用5次后,30 min时NOR的降解效率仍可达到93.6%,证明其具有良好的光催化稳定性。哌嗪环断裂、喹啉环断裂、脱羧、苯环脱氟和矿化是NOR降解的主要路径。采用遗传算法优化的人工神经网络（GA-ANN）模型对溶液中NOR的降解率进行预测,以上述试验的影响因素为输入层,NOR降解率为输出层,构建了三层结构的GA-ANN模型。采用均方误差（MSE）与相关系数（R）为模型精度的评价指标,以本文试验数据进行模型训练与测试。结果表明,当以DBD-NTP协同TiO2-x降解溶液中NOR的试验数据为模型样本集时,GA-ANN最优模型的MSE为0.0016,R为0.9956;当以DBD-NTP协同磁性TiO2-x/Mg-Al LDH活化PS降解溶液中NOR的数据为模型样本集时,GA-ANN最优模型的MSE为0.0009,R为0.9978,说明该模型预测精度高,可用于预测DBD-NTP协同催化降解水中NOR的降解率。仿真分析结果表明,GA-ANN模型仿真预测的各影响因素与NOR降解率之间的关系与本文试验结果一致。