《Eng》:Prediction of Reverse Osmosis Membrane Fouling Using Machine Learning: MLR, ANN, and SVM at a Seawater Desalination Plant
Siham Kherraf,
Fatima-Zahra Abahdou,
Maria Benbouzid,
Zakaria Izouaouen,
Abdellatif Aarfane,
Abdoullatif Baraket,
Hamid Nasrellah,
Meryem Bensemlali,
Soumia Ziti and
Souad El Hajjaji
+ 1 author
编辑推荐:
膜污染仍然是反渗透(RO)海水淡化工艺性能的主要障碍。人工智能(AI)目前是可靠建模这些复杂系统的有前景的方法。本研究评估了三种建模技术——多元线性回归(MLR)、人工神经网络(ANN)和支持向量回归(SVR)——用于预测Boujdour海水淡化厂的跨膜压力(
膜污染仍然是反渗透(RO)海水淡化工艺性能的主要障碍。人工智能(AI)目前是可靠建模这些复杂系统的有前景的方法。本研究评估了三种建模技术——多元线性回归(MLR)、人工神经网络(ANN)和支持向量回归(SVR)——用于预测Boujdour海水淡化厂的跨膜压力(TMP),基于五个输入参数:温度、浊度、pH、电导率和进水流量。分析基于包含195个日测量值的原始数据集,由于缺乏时间戳,本研究侧重于从状态到TMP的预测,而非按时间顺序的预测,不声称具有时间泛化能力。使用保守SMOGN方法生成约2000个增强训练样本用于模型开发,而性能评估完全依赖于39个独立的实际测试观测值。采用了两种建模策略:(i)基于普通最小二乘法(OLS)模型识别的显著变量(pH和电导率)的简约方法,以及(ii)整合所有参数以捕捉非线性交互的多元方法。建立了严格的验证框架以避免信息泄露,确保模型的稳健性和泛化能力。使用R2、RMSE和MAE指标评估性能,并辅以稳健性和显著性分析,包括Bootstrap置信区间、配对统计比较以及基于置换重要性、部分依赖图(PDP)和个体条件期望(ICE)曲线的可解释性分析。结果表明,SVR模型在所测试的模型中取得了最佳平均预测准确性,尽管解释能力中等。
膜污染是反渗透(Reverse Osmosis, RO)海水淡化工艺面临的主要挑战,导致运营成本升高和膜寿命缩短。传统的经验和机理模型因采用简化假设而难以适应实际运行条件的多变性,因此需要更可靠的建模方法。人工智能(Artificial Intelligence, AI)特别是机器学习技术成为解决这一问题的有力工具。本研究以摩洛哥Boujdour海水淡化厂为对象,针对跨膜压力(Transmembrane Pressure, TMP)这一膜污染关键指标,系统评估了多元线性回归(Multiple Linear Regression, MLR)、人工神经网络(Artificial Neural Network, ANN)和支持向量回归(Support Vector Regression, SVR)三种建模方法的预测性能,旨在构建一个稳健的线性与非线性模型比较框架,加深对RO膜污染现象的理解。该论文发表在《Eng》。
关键方法方面,研究人员从Boujdour厂日常运行记录中获取了195个观测数据,选择温度、浊度、pH、电导率和进水流量作为输入参数。在防泄漏原则下,将原始数据按80/20划分为训练集(156个)和测试集(39个真实样本)。仅对训练集采用保守SMOGN(Synthetic Minority Over-sampling Technique for Regression with Gaussian Noise,用于回归的高斯噪声合成少数过采样技术)增强至约1961个样本。建模采用两种策略:基于普通最小二乘法(Ordinary Least Squares, OLS)识别出的显著变量(pH和电导率)的简约策略,以及涵盖全部五个变量的多元策略。MLR使用Ridge正则化,ANN和SVR通过GridSearchCV优化超参数,交叉验证中确保验证折为纯真实数据。性能通过R
2、RMSE和MAE评估,并通过Bootstrap置信区间、配对统计检验、置换重要性、部分依赖图(Partial Dependence Plots, PDP)和个体条件期望(Individual Conditional Expectation, ICE)曲线等分析加强稳健性和可解释性。
研究结果如下:
3.1 模型开发与输入参数分析
3.1.1 输入参数的确定:选择了温度、浊度、pH、电导率和进水流量五个在RO处理中关键且可连续测量的参数作为模型输入。
3.1.2 变量线性显著性与预测重要性分析:OLS回归显示仅pH和电导率与TMP呈显著线性关系(p<0.05);基于实际测试集的SVR置换重要性分析表明,pH贡献最大,其次为进水流速和温度,电导率贡献中等,浊度几乎无贡献,暗示非线性交互的存在。
3.1.3 超参数优化:通过防泄漏交叉验证的GridSearchCV确定了ANN和SVR的最优超参数,SVR的γ参数的最佳范围在1~10或scale选项。
3.2 模型结果
3.2.1 性能模型结果:全变量模型(策略二)在所有性能指标上一致优于简约模型(策略一)。SVR在测试集上取得最高R
2=0.435,RMSE=0.323,MAE=0.253,但训练-测试差距大;Ridge模型R
2test=0.306,但呈欠拟合;ANN性能居中,稳定性较好。
3.2.2 过拟合测试:通过ΔR
2和学习曲线评估,SVR表现明显过拟合(ΔR
2≈0.25),Ridge欠拟合,ANN偏差-方差权衡更优。
3.2.3 模型差异显著性:通过配对置换检验和Bootstrap置信区间,SVR在MAE上显著优于Ridge(p≈0.03),但MSE差异不显著;SVR与ANN、ANN与Ridge之间差异均无统计显著性。
3.2.4 残差自相关分析:基于行顺序代理时间顺序的Durbin-Watson检验显示SVR残差无自相关(DW=2.033),Ridge残差存在轻微自相关(DW=1.74),自相关函数(ACF)图验证了该结果。
3.2.5 SVR γ参数敏感性:低γ(<0.1)导致欠拟合,高γ(>100)引发过拟合,最优γ为1~10或scale,此时测试误差最小且支持向量数适中。
3.2.6 TMP部分依赖图分析:PDP显示电导率对TMP呈倒U型影响,在~45,000–45,500μS/cm达到峰值后下降,但该下降可能为数据稀疏导致的统计伪影;pH在~7.5之前TMP递增,之后趋稳;ICE曲线显示样本间显著变异,强调模型不可直接推断物理定律。
3.3 结果全球综合与模型比较:总体而言,SVR获得了最高平均预测精度,但伴随较大方差和过拟合风险,Bootstrap 95%置信区间宽泛(R
2: 0.102–0.642);Ridge模型稳健但线性偏差导致预测不足;ANN提供折中表现。防泄漏框架保障了评估的统计可靠性,但有限的数据规模和缺失时间索引限制了模型的时间泛化和外推能力,SVR仅在训练数据覆盖的操作范围内可靠。
讨论总结:本研究通过严格的防泄漏设计,客观比较了三种模型。SVR作为非线性模型虽然表现出最佳预测准确性,但其过拟合倾向和泛化不稳定性(宽Bootstrap区间)提示,其结果应谨慎解释,尤其不能外推到未经验证的操作条件。Ridge模型的稳健性源于其线性本质,但不足以捕捉系统中的非线性关系。统计检验证实SVR相对于Ridge在MAE上有显著改善,但在MSE上不显著,表明优势主要来自对中等偏差的修正。残差分析和γ敏感性验证了SVR结构的合理性和超参数优化的有效性。PDP分析揭示了输入变量的非单调效应,但不可过度物理推演。总体而言,SVR可作为TMP监测和污染预警的辅助工具,但需结合更多数据、时间信息和外部验证以提升可靠性。
研究结论翻译:本研究基于Boujdour海水淡化厂的实际运行数据,探讨了TMP建模的潜力。SVR模型表现出优于Ridge和ANN的性能,但其优势中等。详细分析还揭示了某些配置的过拟合迹象,强调需要谨慎解读并限制极端超参数值。采用的方法——严格泄漏控制、不确定性量化以及受经验支持约束的可解释性——确保了结果的科学稳健性。这些发现确认非线性建模可以捕捉膜工艺中的复杂关系,同时也揭示了与数据集规模和操作变异性相关的局限性。总体而言,SVR是一种用于决策支持和TMP监测的有前景工具,能够预判膜污染并优化膜运行,但需认识到其局限性和过拟合风险。未来工作应优先考虑:(a)收集带明确时间戳的多年度数据集;(b)纳入额外操作协变量,如防垢剂投加和清洗事件;(c)在多个设施间进行外部验证。