《Desalination》：Continuous measurement of sulfate to optimize mine water desalination with real-time augmented in-situ raman spectroscopy
编辑推荐：
实时监测矿山废水硫酸离子技术及膜结垢预测研究。通过增强拉曼光谱与机器学习结合，在非洲地区成功运行反渗透系统一年，硫酸浓度监测误差低于10%，实现膜结垢实时预警。
Bruno Grafe | Philip Johnson | Shashank Srivastava | Sebastian Stolzenberg | Liviu Mantescu | Heather Tugaoen
Watergenics GmbH，Urbanstra?e 64，10967，柏林，德国
摘要
矿物提取在水资源管理方面具有独特的复杂性，企业通常需要同时平衡有限的淡水消耗和环境污染问题。由于矿井废水质量不稳定，实现矿井水循环的闭合非常困难，因此越来越需要采用海水淡化技术来提高水质，以满足下游使用或达到环境可接受的标准。对这些纳滤或反渗透过程的管理需要实时了解水质情况（从微咸水到咸水不等），以减少结垢现象，尤其是在矿井废水处理过程中。上游过程的频繁变化会干扰反渗透系统的运行，而实时、连续的水质监测可以提供即时反馈，从而主动调整化学药剂用量、维护间隔和操作参数，以延长膜寿命并保持系统正常运行时间。
我们提出了一种名为“实时增强型原位拉曼光谱技术（AISRAS）”的新方法，该技术结合了机器学习和拉曼光谱技术，用于持续监测水中的成分。在西部非洲的一个实际应用案例中，我们对一个正在运行中的反渗透设施进行了超过一年的监测，该设施接收矿井废水。通过四个不同的监测点提供实时数据，直接优化了膜处理效果。与实验室采样分析相比，AISRAS的测量结果偏差低于10％。此外，实验室对硫酸盐含量的估算无法提供足够的时间分辨率来准确识别水质中的突然变化。实验证明，通过原位直接测量硫酸盐含量，可以提前预测膜结垢现象。
部分内容摘要
缩写说明
AISRAS：实时增强型原位拉曼光谱技术
ML：机器学习
RMD：相对平均偏差
RO：反渗透
SD：标准差
材料与方法
使用ABAIA AISRAS传感器进行实时硫酸盐含量测量，并采集样品进行实验室分析（离子色谱法）。测量工作在一个位于西非地区的实际运行中的反渗透系统中进行，该系统负责处理矿井废水。为了验证系统的性能，要求ABAIA测量结果与离子色谱法测量结果之间的相对平均绝对偏差（RMD）低于10％。结果与讨论
测量在四个监测点进行。如图1所示，监测点1位于反渗透阶段的废水排放口；监测点2位于反渗透处理前的进水口；监测点3位于预处理/介质过滤后的位置，因此监测点2和3的测量结果应相似；监测点4位于反渗透处理后的渗透液出口。表1总结了整个试验期间的数据分布情况，其中0.05和0.95分位数表示数据范围。
结论
Watergenics AISRAS系统的应用证明了在赤道地区、高硫酸盐浓度（高达10,000 mg/L）的恶劣现场条件下，进行原位实时硫酸盐监测的技术可行性。在多个测量阶段中，该系统始终能够提供可靠的数据，便于与实验室离子色谱法（IC）分析结果进行直接比较。CRediT作者贡献声明
Bruno Grafe：撰写内容、审稿与编辑、初稿撰写、数据可视化、数据分析。Philip Johnson：撰写内容、审稿与编辑。Shashank Srivastava：软件开发、项目管理工作、数据整理。Sebastian Stolzenberg：撰写内容、审稿与编辑、方法论设计。Liviu Mantescu：项目监督、资源协调、方法论制定、资金筹集。Heather Tugaoen：撰写内容、审稿与编辑、初稿撰写。资金来源
本研究未获得任何公共机构、商业机构或非营利组织的资助。利益冲突声明
作者声明以下可能构成利益冲突的财务关系或个人关联：Heather Tugaoen在Watergenics Inc.任职；Bruno Grafe在Watergenics GmbH任职；Sebastian Stolzenberg在Watergenics GmbH担任董事会成员并具有雇员关系；Liviu Mantescu在Watergenics GmbH任职。
