一种用于预测城市污水管网中溶解硫化物的异构集成人工智能框架
《Process Safety and Environmental Protection》:A Heterogeneous Ensemble AI Framework for Predicting Dissolved Sulfide in Urban Sewer Networks
【字体:
大
中
小
】
时间:2026年07月14日
来源:Process Safety and Environmental Protection 7.9
编辑推荐:
Mohamed Nashat|Tarek Zayed|Dramani Arimiyaw|Jingchao YANG摘要准确预测污水系统中的溶解硫化物(S2?)浓度至关重要,因为硫化物是硫化氢(H?S)的主要前体。一旦释放,硫化氢会通过生成生物硫酸加速混凝土腐蚀,破坏污水基础设施,
Mohamed Nashat|Tarek Zayed|Dramani Arimiyaw|Jingchao YANG
摘要
准确预测污水系统中的溶解硫化物(S2?)浓度至关重要,因为硫化物是硫化氢(H?S)的主要前体。一旦释放,硫化氢会通过生成生物硫酸加速混凝土腐蚀,破坏污水基础设施,即便在低浓度下也会对工人造成急性毒性。此外,溶解硫化物还会导致废水中的氧气耗尽,形成厌氧环境,进而加剧异味问题并造成生态破坏。除了安全问题外,硫化物还会引发环境污染和持续的异味问题。然而,现有的预测模型大多基于短期实验室实验或物理模型,无法体现现实污水环境的复杂性和动态性,尤其是在硫化物直接测量数据较为匮乏的情况下。本研究提出了一种基于人工智能的框架,通过整合多种成熟的机器学习与深度学习算法,结合七年间来自多个监测点的实际废水质量参数数据,实现对S2?浓度的精准预测。研究共评估了15种机器学习与深度学习模型,最终将表现最佳的五种模型——高斯过程回归(GPR)、TabNet、CatBoost、多层感知器(MLP)和长短期记忆网络(LSTM)——整合为一个混合模型组。该模型组的R2值为0.9127 ± 0.0075,其有效性是通过多年现场实测数据验证的,而非模拟数据或短期数据。此外,研究人员还开发了一个用户友好的网页系统,用于实时输入数据、生成预测结果并存储相关数据。该系统有助于及早识别高风险区域,从而采取主动措施保护混凝土污水管道免受腐蚀,保障维修人员的安全。
章节节选
引言
全球范围内,污水系统中的腐蚀现象和恶臭问题依然存在,严重威胁着基础设施的完好性与公众健康。在厌氧条件下,由硫酸盐还原菌产生的硫化氢是造成这些问题的主要因素(Rathnayake等人,2021年)。硫化氢的形成与废水中溶解硫化物的浓度升高有关,这些硫化物以H?S、HS?和S2?的形式存在,此处统称为S2?(Wu等人,2020年)。过高的硫化物浓度
方法与模型构建
本研究提出了一种利用机器学习模型组合来预测污水系统中硫化物浓度的系统化框架,如图1所示。该方法分为三个主要阶段:数据收集、数据预处理以及人工智能模型构建。在第一阶段,研究人员从多个监测点收集了多年的废水样本,并测量了关键水质参数,为模型构建提供数据支持。第二阶段则涉及数据的
模型应用与结果分析
本研究这部分内容全面介绍了用于硫化物预测的建模框架。首先是对数据进行准备,并分析关键参数的分布情况及其潜在关联。接着描述了多种机器学习模型的构建过程,随后通过严格的测试与验证策略对这些模型进行性能评估。最后,研究分析了各输入特征的相对重要性,为进一步优化模型提供了依据。
结论
本研究提出了一种用于预测城市污水系统中S2?浓度的综合性混合人工智能框架。该框架整合了高斯过程回归、TabNet、CatBoost、多层感知器及长短期记忆网络等多种机器学习与深度学习模型,这些模型均通过七年间的实际废水监测数据进行了训练与验证。通过结合不同模型的优势,该框架提升了预测的准确性与稳定性,其R2值达到了0.9127 ± 0.0075。
CRediT作者贡献说明
Mohamed Nashat:写作——审稿与编辑、写作——初稿撰写、可视化、软件应用、方法设计、研究实施、正式分析、数据整理、概念构思。Tarek Zayed:写作——审稿与编辑、项目指导、概念构思。Dramani Arimiyaw:写作——审稿与编辑、研究实施。Jingchao YANG:写作——审稿与编辑、研究实施。
关于写作过程中生成式人工智能与人工智能辅助技术的声明
作者声明,他们不存在任何可能影响本文研究成果的竞争性财务利益或个人关系。在撰写本文时,作者使用了[GPT-4o]工具来[重新表述内容、检查语法与拼写]。在使用该工具后,作者对内容进行了必要的修改与润色,并对文章的内容承担全部责任。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究成果的竞争性财务利益或个人关系。
致谢
本研究得到了香港大学教育资助委员会研究资助局[RGC-15209022]以及香港研究基金总会[GRF-15202524]的资助。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号