午夜网站18禁_国产免费a级特黄的片子_东京一本到无卡无码视频_欧美 亚洲 日本

智慧水務(wù)是目前水務(wù)事業(yè)發(fā)展的重要方向，機(jī)器學(xué)習(xí)作為實(shí)現(xiàn)人工智能的主要方法，在水務(wù)智慧化中有巨大的應(yīng)用前景。本文從飲用水處理系統(tǒng)、排水處理系統(tǒng)和新技術(shù)研發(fā)三個(gè)方面，對(duì)機(jī)器學(xué)習(xí)的應(yīng)用進(jìn)行總結(jié)與評(píng)述。本文為下篇，將總結(jié)污水處理系統(tǒng)方面處理過程控制、能耗節(jié)約、工藝效率提高、膜污染控制、故障診斷等方面的機(jī)器學(xué)習(xí)方法；歸納新技術(shù)研發(fā)方面機(jī)器學(xué)習(xí)在污染物高效去除的吸附與氧化等技術(shù)中的創(chuàng)新研究。最 后，系統(tǒng)分析了不同模型的優(yōu)缺點(diǎn)與使用范圍，對(duì)智慧水務(wù)中機(jī)器學(xué)習(xí)模型的選擇和應(yīng)用有一定的指導(dǎo)意義。

上篇綜述了飲用水處理體系方面機(jī)器學(xué)習(xí)在水質(zhì)水量、藥劑投加、氯消毒等方面的應(yīng)用。

引用本文：皇甫小留，王晶瑞，龍?chǎng)温?，? 機(jī)器學(xué)習(xí)在水處理系統(tǒng)中的應(yīng)用［J］. 給水排水，2022，48（11）：153-165.

通信作者

皇甫小留

博士，教授。主要研究方向是智慧水環(huán)境科學(xué)，水環(huán)境鉈污染防控。

機(jī)器學(xué)習(xí)在污水處理系統(tǒng)中的應(yīng)用

污水處理廠對(duì)降低水體污染物水平和提高水環(huán)境質(zhì)量有重要意義。由于進(jìn)出水水質(zhì)、水量、各種污染物濃度、處理工藝等的差異，污水處理過程中包含了復(fù)雜的時(shí)變物理化學(xué)生物反應(yīng)，因此污水處理過程控制要求操作人員具有豐富操作經(jīng)驗(yàn)，能夠及時(shí)發(fā)現(xiàn)數(shù)據(jù)異常。愈加嚴(yán)格的污水處理排放標(biāo)準(zhǔn)促使污水處理技術(shù)和整體管理更加精 準(zhǔn)化和智能化，機(jī)器學(xué)習(xí)的應(yīng)用可能有助于解決這一難題。本文總結(jié)了機(jī)器學(xué)習(xí)在污水處理工藝中處理過程控制、能耗節(jié)約、工藝效率提高和膜污染控制等方面的應(yīng)用。

3.1 處理過程控制

污水處理的目的是去除污水中有機(jī)物、重金屬、氮磷等污染物，處理效果主要根據(jù)化學(xué)需氧量(COD)、生化需氧量（BOD5）、總氮（TN）等參數(shù)間接評(píng)估。若能提前預(yù)知出水水質(zhì)參數(shù)，及時(shí)調(diào)整處理過程，便能取得最 好的處理效果。然而在實(shí)際處理中這些參數(shù)的監(jiān)測(cè)存在時(shí)滯性，往往滯后于操作，因此引入具有預(yù)測(cè)性能的機(jī)器學(xué)習(xí)算法有助于優(yōu)化污水處理的過程控制。PATTANAYAK等以超過16 000個(gè)數(shù)據(jù)樣本對(duì)比了MLR、MLP、SVR、RF和K-最近鄰（k-nearest neighbor, KNN）等模型對(duì)污水處理廠實(shí)時(shí)COD的預(yù)測(cè)能力，結(jié)果表明KNN模型響應(yīng)時(shí)間短，準(zhǔn)確性高，表現(xiàn)最 佳?？紤]廢水處理的非線性，LIU等引入時(shí)滯系數(shù)，結(jié)合ELM提出了一種動(dòng)態(tài)核極值學(xué)習(xí)機(jī)，用于預(yù)測(cè)出水COD。與單一偏最 小二乘法、ELM、動(dòng)態(tài)ELM和核ELM模型相比，該模型精度更高。MIAO等考慮不同處理工藝運(yùn)行參數(shù)，對(duì)比了SVR、LSTM和門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)等模型對(duì)污水處理廠COD去除效率的預(yù)測(cè)精度，結(jié)果表明門控循環(huán)單元神經(jīng)網(wǎng)模型效果最 佳。針對(duì)高污染狀況，XGBoost方法具有魯棒性、建模非正態(tài)變量能力和缺失值快速估計(jì)能力，因此該模型適合高濃度廢水參數(shù)評(píng)估問題。在保證精度的同時(shí)減少了RBF算法的節(jié)點(diǎn)，可以有效降低計(jì)算量，使模型更加緊湊；誤差校正和二階學(xué)習(xí)算法提高了模型的學(xué)習(xí)能力和泛化能力。相對(duì)于RBF、最 小資源分配網(wǎng)絡(luò)和廣義生長等模型，自適應(yīng)任務(wù)導(dǎo)向徑向基函數(shù)對(duì)出水BOD和TN的預(yù)測(cè)，表現(xiàn)出更高的精度。另外，也可以利用灰度相關(guān)優(yōu)化后的可見-近紅外光譜對(duì)污水水質(zhì)進(jìn)行定量估算。以上方法說明機(jī)器學(xué)習(xí)在預(yù)測(cè)單一水質(zhì)參數(shù)方面具有較高的精 確度，但多種出水水質(zhì)參數(shù)間存在一定聯(lián)系,單獨(dú)預(yù)測(cè)可能會(huì)忽略彼此間的聯(lián)系，且每次僅預(yù)測(cè)一個(gè)參數(shù)對(duì)于整個(gè)污水處理體系參數(shù)預(yù)測(cè)來說無疑的耗時(shí)耗力，因此多輸出參數(shù)預(yù)測(cè)模型被建立?；贛LP-ANN和RBF-ANN對(duì)SBR工藝進(jìn)行模擬，研究進(jìn)水水質(zhì)參數(shù)與控制參數(shù)對(duì)低濃度總懸浮固體（Total suspended solids,TSS）、總磷（Total phosphorus,TP）、COD和NH4+-N的去除效率的影響。相對(duì)于ANN，自適應(yīng)神經(jīng)模糊推理系統(tǒng)克服了ANN模型易陷入局部最 優(yōu)、受輸入?yún)?shù)缺失影響較大等缺點(diǎn)，也可以根據(jù)約束函數(shù)等優(yōu)化設(shè)計(jì)，因此其對(duì)SS、COD和pH的預(yù)測(cè)性能要高于ANN。

3.2 能耗節(jié)約

污水處理過程中需要進(jìn)行長時(shí)間曝氣、加藥、水泵回流等操作，這些過程既影響出水水質(zhì)，也會(huì)影響運(yùn)行成本。在保證出水水質(zhì)達(dá)標(biāo)的前提下，盡可能降低水處理運(yùn)行成本是機(jī)器學(xué)習(xí)在污水處理中的一個(gè)重要作用。生物過程中的隨機(jī)擾動(dòng)較多，運(yùn)用比例積分微分控制器（Proportion integration differentiation, PID）和先進(jìn)模糊控制可以更自然地將人為經(jīng)驗(yàn)轉(zhuǎn)化為機(jī)器操作，集合成熟的變頻調(diào)控技術(shù)等實(shí)時(shí)跟蹤負(fù)荷變化，實(shí)現(xiàn)曝氣量的優(yōu)化控制。針對(duì)污水處理廠化學(xué)除磷過程中加藥量?jī)?yōu)化的問題，廣州某污水處理廠結(jié)合模糊技術(shù)與常規(guī)PID控制算法建立復(fù)合控制器，并與前饋的智能控制策略聯(lián)合使用，實(shí)現(xiàn)了流量的精 準(zhǔn)控制，節(jié)約40%~50%的除磷藥劑量。另外，回流泵能耗也是污水處理運(yùn)行成本中重要的組成部分，以最 小化能耗和最 大化泵送廢水流量為目標(biāo)，基于泵的能耗組件及能耗模型，建立了雙目標(biāo)優(yōu)化自適應(yīng)神經(jīng)網(wǎng)絡(luò)模型，在保證性能的同時(shí)節(jié)約能耗。

3.3 工藝效率提高

污水處理過程中各環(huán)節(jié)間各自獨(dú)立又相互關(guān)聯(lián)，提高每個(gè)環(huán)節(jié)的處理效率是節(jié)約污水處理成本、優(yōu)化污水處理技術(shù)效率、保證處理效果穩(wěn)定的有效方法。將機(jī)器學(xué)習(xí)與控制系統(tǒng)相結(jié)合，利用機(jī)器學(xué)習(xí)的學(xué)習(xí)、識(shí)別、預(yù)測(cè)、模擬等能力，可以實(shí)現(xiàn)優(yōu)化控制，提高運(yùn)行效率。HOLENDA等針對(duì)復(fù)雜的污水處理過程，提出了基于溶解氧（DO）線性狀態(tài)空間模型的DO預(yù)測(cè)控制器。將所設(shè)計(jì)的預(yù)測(cè)控制器應(yīng)用于好氧處理過程和交替式活性污泥過程實(shí)際控制，利用仿真模型進(jìn)行性能評(píng)估，并分析研究了不同控制器參數(shù)對(duì)于預(yù)測(cè)控制器性能的影響。BELCHIOR等為了實(shí)現(xiàn)對(duì)污水處理DO濃度的控制，建立自適應(yīng)模糊控制模型，控制輔助控制器平滑切換監(jiān)督與非監(jiān)督控制模式?；跁r(shí)間序列控制間歇式活性污泥法反應(yīng)器（Sequencing batch reactor activated sludge process, SBR），通過由監(jiān)測(cè)層、管理層和控制層組成的三層網(wǎng)絡(luò)控制系統(tǒng)分析影響去除有機(jī)物及脫氮過程的因素，從而實(shí)現(xiàn)智能控制。LIU等提出的了串級(jí)控制系統(tǒng)，由預(yù)測(cè)控制模型和比例積分導(dǎo)數(shù)控制器分別控制出水中和缺氧池硝酸鹽的濃度，進(jìn)而保證出水質(zhì)量。PIRES等提出了基于模糊邏輯規(guī)則的專家控制系統(tǒng)，監(jiān)測(cè)并調(diào)控水流通道和回流管道流速，從而改變生物池中碳氮比例，最終將硝化效率和反硝化效率分別提高至50%和85%。綜上所述，模糊算法可以將人為操作、經(jīng)驗(yàn)等轉(zhuǎn)化為機(jī)器語言，使設(shè)備實(shí)現(xiàn)自動(dòng)化控制，因此在提高設(shè)備工作效率方面，模糊控制具有巨大優(yōu)勢(shì)。

3.4 膜污染控制

膜污染是造成膜使用壽命短、處理工藝成本高的主要因素，也是阻礙膜處理技術(shù)發(fā)展的重大障礙。利用機(jī)器學(xué)習(xí)方法分析膜污染的形成過程，探究膜污染的影響因素，有助于減緩膜污染速度，對(duì)膜的設(shè)計(jì)優(yōu)化也有一定的指導(dǎo)作用。影響膜污染的因素眾多，相互聯(lián)系密切，這將導(dǎo)致輸入變量矩陣結(jié)果復(fù)雜。因此先利用PCA算法與對(duì)輸入因素進(jìn)行分類，再將相關(guān)數(shù)據(jù)輸入BPNN模型進(jìn)行擬合，這樣既提高模型的準(zhǔn)確度，又降低了計(jì)算的復(fù)雜性。LI等也通過上述步驟，確定混合液懸浮固體濃度、阻力和跨膜壓力三個(gè)指標(biāo)作為影響MBR膜通量的主要因素，之后，對(duì)比BPNN、SVM和RF三種模型對(duì)膜污染進(jìn)行預(yù)測(cè)。其中，RF對(duì)膜通量的預(yù)測(cè)效果最 好。針對(duì)膜材料對(duì)膜性能的影響問題，HONG等對(duì)膜材料的污染特性進(jìn)行了研究，結(jié)果表明纖維素酯的污染率明顯低于聚偏氟乙烯。ALHADIDI等研究表明疏水性膜比親水性膜更容易被污染。遺傳編程在預(yù)測(cè)膜污染率中也表現(xiàn)出較高的適用性，一個(gè)利用遺傳編程的模型以操作條件（流量和固定時(shí)間）和水質(zhì)條件（濁度、溫度和pH）為輸入?yún)?shù)，構(gòu)建膜污染函數(shù)，對(duì)膜的性能進(jìn)行準(zhǔn)確評(píng)估。HAN等建立了基于已有知識(shí)的模糊廣義模型，從人文范疇資料中提取先關(guān)知識(shí)，利用模糊模型彌補(bǔ)缺失數(shù)據(jù)集。通過模型的分類識(shí)別功能進(jìn)行膜污染的早期預(yù)警，并為膜污染提供操作建議。WOO等根據(jù)跨膜壓力和次氯酸鈉劑量提取影響因素，利用機(jī)器學(xué)習(xí)建立維護(hù)預(yù)測(cè)系統(tǒng)。該系統(tǒng)對(duì)膜老化進(jìn)行判斷，解釋污染過程中功能參數(shù)間關(guān)系，進(jìn)而推測(cè)膜的壽命，并對(duì)膜更換時(shí)間和膜維護(hù)提出建議。

3.5 故障診斷

污水處理過程是一個(gè)復(fù)雜的整體，包含著多種復(fù)雜的生物化學(xué)反應(yīng)，每一個(gè)環(huán)節(jié)的偏差都將間接影響出水水質(zhì)，因此污水處理廠中安裝著各種水質(zhì)參數(shù)監(jiān)測(cè)設(shè)備，實(shí)時(shí)監(jiān)測(cè)各污水處理設(shè)施的水質(zhì)參數(shù)。并根據(jù)這些數(shù)據(jù)判斷是否出現(xiàn)故障，以及時(shí)處理。進(jìn)水水質(zhì)的不穩(wěn)定性導(dǎo)致水質(zhì)參數(shù)具有一定的波動(dòng)性，需要工作人員有豐富的經(jīng)驗(yàn)判斷監(jiān)測(cè)數(shù)值是否正常。近年來，機(jī)器學(xué)習(xí)逐漸被應(yīng)用于污水處理過程中的故障診斷方面。故障共分為個(gè)別故障、上下文故障和集體故障。故障監(jiān)測(cè)方法可分為三大類：統(tǒng)計(jì)方法、學(xué)習(xí)模型和時(shí)間序列模型。統(tǒng)計(jì)方法和學(xué)習(xí)模型方法可以精 準(zhǔn)捕獲個(gè)別故障和上下文故障，應(yīng)用范圍較廣。但在集體故障的時(shí)間模式中，這兩個(gè)方法往往無法取得滿意的效果。因此，時(shí)間序列模型是捕獲集體故障的最 優(yōu)方式。

KAZEMI等利用PCA模型與統(tǒng)計(jì)控制圖結(jié)合的方式對(duì)總揮發(fā)性脂肪酸含量進(jìn)行了預(yù)測(cè)，又基于SVM、ELM和神經(jīng)網(wǎng)絡(luò)集成等算法對(duì)模型的精度和魯棒性進(jìn)行優(yōu)化，進(jìn)而準(zhǔn)確判斷厭氧消化過程中的故障。由于生物膜的形成會(huì)導(dǎo)致DO傳感器的誤差，SAMUELSSON等設(shè)計(jì)了一個(gè)由自動(dòng)訓(xùn)練和自動(dòng)調(diào)整組成故障檢測(cè)應(yīng)用的程序，判斷故意擾動(dòng)是否會(huì)被解釋為生物膜形成的偏差，從而準(zhǔn)確預(yù)測(cè)DO的波動(dòng)。另外，結(jié)果還表明輸入數(shù)據(jù)包含的信息比先進(jìn)的算法更重要。快速重力過濾器是許多水處理系統(tǒng)中的最終顆粒屏障，UPTON等以0.1NTU濁度為分界線，利用回歸樹算法有效地對(duì)過濾性能的最 大風(fēng)險(xiǎn)相關(guān)條件進(jìn)行了建模和分析。

污水處理系統(tǒng)誤差往往具有時(shí)序性和非線性，歷史數(shù)據(jù)和數(shù)據(jù)預(yù)處理對(duì)模型的建立和訓(xùn)練具有重要意義，否則會(huì)出現(xiàn)維度過高，計(jì)算過程復(fù)雜，預(yù)測(cè)效果差等后果，因此需要通過一定的方式進(jìn)行降維，提高可視化程度。高斯模型可以基于歷史數(shù)據(jù)對(duì)多模過程的模態(tài)進(jìn)行分類，之后再通過t-分布對(duì)數(shù)據(jù)進(jìn)行降維，或結(jié)合極大似然估計(jì)對(duì)數(shù)據(jù)進(jìn)行插值，優(yōu)化模擬過程，降低噪聲。MAMANDIPOOR等引入了ARIMA和時(shí)滯神經(jīng)網(wǎng)絡(luò)等系列建模方法來捕獲污水處理過程中的時(shí)間模式，準(zhǔn)確率超過92%。

新技術(shù)研發(fā)

重金屬和有機(jī)物是水體中的主要污染物，具有較強(qiáng)的環(huán)境持久性，經(jīng)過食物鏈進(jìn)入人體后，將對(duì)人體產(chǎn)生危害。在過去的幾十年里，物理吸附法已經(jīng)被廣泛證明可以去除水環(huán)境中的重金屬離子和有機(jī)物。然而，隨著越來越多的新型化學(xué)物質(zhì)的出現(xiàn)，傳統(tǒng)批處理和柱試驗(yàn)無法及時(shí)提供新吸附劑與新化合物吸附數(shù)據(jù)，進(jìn)而影響進(jìn)一步的研究。另外，氧化動(dòng)力學(xué)的試驗(yàn)測(cè)量非常復(fù)雜和昂貴，反應(yīng)速率常數(shù)的計(jì)算涉及到勢(shì)能面的精 確化學(xué)信息，計(jì)算量非常大，這些因素都制約了氧化試驗(yàn)的深入研究。因此，挖掘已有數(shù)據(jù)來構(gòu)建廣泛的預(yù)測(cè)模型，實(shí)現(xiàn)對(duì)吸附和氧化過程快速準(zhǔn)確的預(yù)測(cè)。預(yù)測(cè)精度高的模型可以取代一些重復(fù)、冗余的試驗(yàn)，精度中等的模型也可用于快速估計(jì)吸附劑或氧化劑的用量，從而幫助吸附和氧化試驗(yàn)的設(shè)計(jì)。因此機(jī)器學(xué)習(xí)算法在吸附和氧化機(jī)理研究上的應(yīng)用將為吸附劑和氧化劑研發(fā)帶來新的機(jī)遇。

圖2 機(jī)器學(xué)習(xí)算法的分類及其在水處理系統(tǒng)中的應(yīng)用

4.1 吸附技術(shù)的研究

生物炭依據(jù)其低成本、高效性、無害性被廣泛用于水處理中，生物炭吸附性能的研究也是所有吸附劑研究的重點(diǎn)。利用機(jī)器學(xué)習(xí)的方法探究生物炭與重金屬、有機(jī)物的吸附影響因素對(duì)生物炭的改進(jìn)研究和未來吸附實(shí)驗(yàn)的設(shè)計(jì)有指導(dǎo)性意義。

ZHAO等利用核極限學(xué)習(xí)機(jī)和克里金模型預(yù)測(cè)44種生物炭對(duì)重金屬（Pb2+、Cd2+、Zn2+、Cu2+、Ni2+、As3+）的吸附效率，并通過點(diǎn)選擇的方式提高模型精度，最 佳R2分別達(dá)0.919和0.980。逐步回歸方法結(jié)果表明，溶液pH和溫度是影響吸附過程的重要因素。另外，生物炭的陽離子交換能力和O/C等參數(shù)對(duì)吸附過程也有一定影響。ZHU等采用ANN和RF模型對(duì)6種重金屬（鉛、鎘、鎳、砷、銅、鋅）對(duì)44個(gè)生物炭上的吸附進(jìn)行建模。以生物炭特性、生物炭的初始濃度以及環(huán)境條件為控制參數(shù)，基于小樣本數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練和優(yōu)化。RF模型比ANN模型對(duì)吸附效率的預(yù)測(cè)具有更好的準(zhǔn)確性和泛化性能，這可能與該模型訓(xùn)練數(shù)據(jù)較少、維度較高有關(guān)。以上研究開發(fā)的模型可以應(yīng)用在經(jīng)過特殊處理的生物炭選擇問題上，影響參數(shù)的重要性分析可以為實(shí)際工程水體中重金屬的高效去除提供參考。另外，在不同重金屬吸附效率建模中，機(jī)器學(xué)習(xí)算法的精度受到吸附質(zhì)-吸附劑和特定算法優(yōu)缺點(diǎn)的限制。HAFSA等基于 RF、XGBoost和貝葉斯支持向量回歸樹，為多種重金屬吸附劑的吸附效率建立一個(gè)廣義預(yù)測(cè)模型，預(yù)測(cè)效果較佳（0.96≤R2≤0.99），并可以同時(shí)對(duì)多對(duì)重金屬-吸附劑進(jìn)行建模預(yù)測(cè)。

ZHANG等利用余弦相似的方式重點(diǎn)挖掘可用數(shù)據(jù)，將吸附系數(shù)與亞伯拉罕常數(shù)結(jié)合，建立利用神經(jīng)網(wǎng)絡(luò)-多元線性自由能的組合模型，預(yù)測(cè)有機(jī)污染物與吸附劑在不同平衡濃度下的吸附狀況。該模型成功應(yīng)用于各種平衡濃度吸附等溫線模型，RMSE僅為0.23~0.31。然后，利用SHAP對(duì)模型性能進(jìn)行分析。該模型采用多種數(shù)據(jù)處理和分析方法，對(duì)數(shù)據(jù)過濾、模型構(gòu)建、模型參數(shù)化、模型訓(xùn)練等方面有一定的指導(dǎo)意義。

對(duì)吸附機(jī)理了解有限是限制納米吸附材料在去除水中重金屬的應(yīng)用的重要因素，傳統(tǒng)儀器和試驗(yàn)難以獲得突破性成果?；谖絼?dòng)力學(xué)理論，利用機(jī)器學(xué)習(xí)方法探索納米材料的微觀結(jié)構(gòu)，嘗試恢復(fù)使用過的納米材料，該方法對(duì)研制特定用途納米材料和降低納米材料制作成本提供了最新的思路。

4.2 氧化技術(shù)的研究

污水中的新型有機(jī)污染物越來越多，但大多數(shù)污水處理廠都不是為了處理這些新興污染物而設(shè)計(jì)的，因此新的氧化技術(shù)已經(jīng)被作為一種強(qiáng)大的有機(jī)物處理手段被應(yīng)用于污水處理過程中。污染物的氧化速率常數(shù)是評(píng)估處理效果的重要參數(shù)，可以用來估計(jì)污染物的去除效率或確定氧化劑的劑量保留時(shí)間，因此利用機(jī)器學(xué)習(xí)模擬氧化過程，預(yù)測(cè)氧化速率常數(shù)，對(duì)氧化技術(shù)的改進(jìn)和應(yīng)用具有良好的輔助作用。SANCHES-NETO等利用XGBoost、RF、NN三種機(jī)器學(xué)習(xí)算法，結(jié)合摩根指紋和MACCS指紋，預(yù)測(cè)水相有機(jī)污染物自由基氧化過程的反應(yīng)速率常數(shù)，R2均在0.9以上。SHAP方法被應(yīng)用于特征重要性分析，輔助模型解釋吸電子和供電子基團(tuán)如何干擾OH·-和SO4·-自由基反應(yīng)。另外，該研究還建立了通用的web程序界面，供以后氧化技術(shù)研究的應(yīng)用與分析。

為研究HClO、O3、ClO2和SO4·-對(duì)有機(jī)物去除的影響，ZHONG等以氧化反應(yīng)條件（pH和溫度）為輸入，結(jié)合小型的相似數(shù)據(jù)集建立了氧化預(yù)測(cè)模型。與圖像處理技術(shù)對(duì)比，該模型預(yù)測(cè)效率更高，說明小型數(shù)據(jù)集間相似知識(shí)的遷移可以在一定程度上提高機(jī)器學(xué)習(xí)模型性能。CHA等基于熒光激發(fā)-發(fā)射矩陣數(shù)據(jù)，利用RF算法，以水質(zhì)參數(shù)（pH、堿度、溶解有機(jī)碳濃度）為輸入?yún)?shù)，模擬臭氧氧化污染物的過程。

污泥中存在不同的微生物、重金屬、有機(jī)物和溶解鹽等，因此在污水處理高標(biāo)準(zhǔn)的要求下，有效處理污泥中的污染物是實(shí)際工程中重要的環(huán)節(jié)。電氧化法是去除污水活性污泥中的有機(jī)化合物的新型技術(shù)，CURTEANU等利用ANN和SVR兩種機(jī)器學(xué)習(xí)方法，研究了COD、電導(dǎo)率、溶解固體總量增加量、大腸桿菌狀態(tài)等參數(shù)與有機(jī)物去除效率的關(guān)系，并利用仿真技術(shù)驗(yàn)證模型的可靠性。

多相催化氧化是新技術(shù)研究的熱點(diǎn)，PALKOVITS等將ANN、SVR和KNN三種人工智能與電催化相結(jié)合，預(yù)測(cè)催化劑在水中多相催化氧化的效能，均取得較好的結(jié)果，其中，支持向量回歸模型的性能最 好。

總結(jié)與展望

表1總結(jié)了不同機(jī)器學(xué)習(xí)算法的優(yōu)缺點(diǎn)以及應(yīng)用場(chǎng)所。不難得知，機(jī)器學(xué)習(xí)模型精度會(huì)受算法原理、原始數(shù)據(jù)集、問題的復(fù)雜性等因素影響，同種模型在不同場(chǎng)景下表現(xiàn)出的精度也不同。因此，針對(duì)不同的水處理問題，要充分考慮數(shù)據(jù)量大小、輸入與輸出參數(shù)關(guān)系、影響因素是否明確等多方面因素，進(jìn)而進(jìn)行模型的選擇；另外，在模型建立過程中，針對(duì)算法本身缺陷，可以通過與其他算法結(jié)合，提高模型精度、縮短收斂時(shí)間、降低數(shù)據(jù)依賴。

總之，機(jī)器學(xué)習(xí)在水處理系統(tǒng)的應(yīng)用仍處于初級(jí)階段，為促進(jìn)水務(wù)自動(dòng)化和智能化發(fā)展進(jìn)程，本文提出以下建議：

表1 機(jī)器學(xué)習(xí)算法的優(yōu)缺點(diǎn)及其在水處理系統(tǒng)中的應(yīng)用

（1）模型開發(fā)與組合。在水處理系統(tǒng)中沒有一個(gè)完 美的模型可以適用于所有場(chǎng)所，不同的模型在不同條件下的表現(xiàn)也參差不齊。一般來說，組合模型比單一的模型效果更好。隨著機(jī)器學(xué)習(xí)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)的誕生使得傳統(tǒng)模型不再需要編制內(nèi)部計(jì)算過程，模型可以依據(jù)自身學(xué)習(xí)能力完成數(shù)據(jù)訓(xùn)練和預(yù)測(cè)。但這些方法需要大量的高質(zhì)量的數(shù)據(jù)，因此數(shù)據(jù)的預(yù)處理尤為重要。開發(fā)新的預(yù)處理方式和學(xué)習(xí)模型將為水務(wù)事業(yè)帶來新的前進(jìn)空間。另外，現(xiàn)在的研究多針對(duì)單一處理環(huán)節(jié)，利用機(jī)器學(xué)習(xí)模擬處理過程，提高處理效率、節(jié)約能源等，對(duì)于整個(gè)水處理流程的統(tǒng)一模擬還沒有相應(yīng)的研究，對(duì)水處理系統(tǒng)進(jìn)行整體評(píng)估的研究較少。

（2）建立數(shù)據(jù)共享平臺(tái)。數(shù)據(jù)是機(jī)器學(xué)習(xí)在水務(wù)事業(yè)中應(yīng)用的基礎(chǔ)。無論是飲用水處理系統(tǒng)還是污水處理系統(tǒng)都需要大量的數(shù)據(jù)，但是數(shù)據(jù)集來源不確定、質(zhì)量無法保證、輸出格式各不相同，導(dǎo)致能被利用的數(shù)據(jù)數(shù)量大打折扣。因此，規(guī)范收集整理數(shù)據(jù)勢(shì)在必行。另外，不同水務(wù)系統(tǒng)可以提供不同運(yùn)行狀態(tài)的數(shù)據(jù)，這樣的數(shù)據(jù)更有利于模型訓(xùn)練。因此加強(qiáng)各個(gè)水務(wù)系統(tǒng)間的數(shù)據(jù)共享，將成為推動(dòng)機(jī)器學(xué)習(xí)在水處理系統(tǒng)中進(jìn)一步應(yīng)用的強(qiáng)大動(dòng)力。

（3）加強(qiáng)模型實(shí)踐。大多數(shù)機(jī)器學(xué)習(xí)模型均處于研究階段，在水處理系統(tǒng)中進(jìn)行實(shí)際應(yīng)用的研究較少，且現(xiàn)存水處理控制系統(tǒng)多僅使用簡(jiǎn)單模型。因此，應(yīng)加強(qiáng)各類機(jī)器學(xué)習(xí)模型在實(shí)際水處理系統(tǒng)中的應(yīng)用，獲取運(yùn)行數(shù)據(jù)，這將更有利于模型的開發(fā)和優(yōu)化設(shè)計(jì)。

微信對(duì)原文有修改。原文標(biāo)題：機(jī)器學(xué)習(xí)在水處理系統(tǒng)中的應(yīng)用；作者：皇甫小留、王晶瑞、龍?chǎng)温?、黃瑞星；作者單位：重慶大學(xué)環(huán)境與生態(tài)學(xué)院 三峽庫區(qū)環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室、哈爾濱工業(yè)大學(xué)環(huán)境學(xué)院 城市水資源與水環(huán)境國家重點(diǎn)實(shí)驗(yàn)室?？窃凇督o水排水》2022年第 1 1期。