基于集成学习的饮用水处理厂混凝剂投加优化：智能可持续过程控制的可扩展框架

《Environmental Research》：Ensemble learning-driven optimization of coagulant dosing for drinking water treatment plants using a scalable framework for smart and sustainable process control

本研究针对饮用水处理厂混凝剂投加依赖传统烧杯试验、效率低下的问题，开发了一种基于树状集成机器学习（ML）的新型预测框架。研究人员系统评估了RF、ExtraTree、REPTree、M5P及其杂交模型，利用Tb、EC、pH、T和DO等关键水质参数，成功预测最优混凝剂投加量。结果表明，RF-ExtraTree混合模型预测性能最优（RMSE=0.515， R2=0.985），显著优于传统方法，为DWTPs实现精准加药、降低成本和提升运行效率提供了可靠的数据驱动解决方案，对推进智能水处理基础设施具有重要现实意义。

　　

确保饮用水安全是全球面临的重大公共卫生挑战。在饮用水处理厂（Drinking Water Treatment Plants, DWTPs）的众多处理环节中，混凝-絮凝过程是核心步骤，其效果直接关系到后续处理单元的效能和最终出水水质。然而，确定最优混凝剂投加量一直是水处理行业长期存在的难题。传统上，水厂普遍依赖烧杯试验（Jar Test）来确定投加量。这种方法不仅耗时费力（通常需要数小时），而且无法对原水水质的动态变化做出实时响应，容易导致投加量不足（影响处理效果）或过量（增加成本和污泥产量），造成运行效率低下和资源浪费。随着水资源短缺和水质波动加剧，开发一种快速、精准、自适应的混凝剂投加决策支持工具变得尤为迫切。

在此背景下，机器学习（Machine Learning, ML）技术为这一挑战提供了新的解决思路。尽管人工神经网络（Artificial Neural Networks, ANNs）、深度学习等AI方法已被尝试应用于混凝剂预测，但它们往往面临对数据噪声敏感、模型复杂、计算需求大等局限性，难以在资源有限的实际水厂环境中大规模部署。相比之下，树状集成模型（Tree-based Ensemble Models）在预测能力、可解释性和计算效率之间取得了良好平衡，更适用于处理水处理过程中常见的非线性关系和数据异质性。

为此，研究人员在《Environmental Research》上发表了题为“Ensemble learning-driven optimization of coagulant dosing for drinking water treatment plants using a scalable framework for smart and sustainable process control”的研究论文。该研究旨在评估多种树状集成机器学习模型在预测混凝剂投加量方面的性能，并建立一个可扩展的智能控制框架，以替代或辅助传统的经验方法。

为了开展研究，研究人员主要应用了以下几种关键技术方法：研究基于阿尔及利亚Mila省Oued Athmania饮用水处理厂2014年至2019年共1454组日常监测数据，水质参数包括浊度（Turbidity, Tb）、电导率（Electric Conductivity, EC）、pH、温度（Temperature, T）和溶解氧（Dissolved Oxygen, DO），目标变量为通过烧杯试验确定的最佳硫酸铝（Al₂(SO₄)₃）投加量。数据经过探索性分析、缺失值插补、异常值处理和最小-最大归一化（Min-Max Normalization）等预处理。研究系统评估了四种基础模型：随机森林（Random Forest, RF）、极度随机树（ExtraTree）、减误剪枝树（REPTree）和M5P回归树（M5P Tree），以及三种杂交模型（RF-REPTree， RF-M5P Tree， RF-ExtraTree）。采用手动网格搜索进行超参数调优，并使用均方根误差（RMSE）、平均绝对误差（MAE）、纳什-苏特克利夫效率系数（NSE）、决定系数（R²）、一致性指数（WI）和克林-古普塔效率系数（KGE）等多种统计指标全面评估模型性能。

3.1. 输入参数的探索性分析

对水质参数的描述性统计和相关性分析表明，数据集涵盖了较宽的操作条件范围。例如，浊度（Tb）在1.3至27.8 NTU之间变化，混凝剂投加量在11.8至59.6 mg/L之间。溶解氧（DO）和电导率（EC）与混凝剂投加量分别显示出中度负相关关系（R = -0.594 和 R = -0.369），表明它们是重要的预测因子。方差膨胀因子（VIF）分析确认所有变量的VIF值均低于5，表明多重共线性不严重，所有变量均可纳入模型。

3.2. 独立与混合树状模型建模

模型评估结果显示，所有集成模型（RF， ExtraTree）及其杂交模型均显著优于单树模型（REPTree， M5P Tree）。在测试集上，RF-ExtraTree混合模型表现最为出色，其预测误差极低（RMSE = 0.515 mg/L， MAE = 0.329 mg/L），且拟合优度极高（NSE = 0.985， R² = 0.985， WI = 0.996， KGE = 0.969）。随机森林（RF）模型也表现出强劲性能（RMSE = 0.828 mg/L， R² = 0.963）。可视化分析（如散点图、时间序列图、泰勒图、雷达图等）一致表明，RF-ExtraTree的预测值与实测值最为接近，点簇紧密分布在1:1线附近，误差分布集中，证明了其卓越的预测精度和泛化能力。杂交策略有效结合了基础学习器的特性和RF元学习器的集成优势，提升了模型的稳定性和准确性。

4. 讨论

研究讨论部分深入分析了不同模型的性能差异及其原因。集成模型（如RF和ExtraTree）通过自助聚合（Bagging）和随机特征选择引入了多样性，减少了过拟合风险，从而能够更好地捕捉数据中的复杂非线性模式。而单树模型（如REPTree）则更容易受到数据波动的影响，泛化能力较弱。RF-ExtraTree的成功归因于其双重随机化机制（数据采样和特征选择的随机性），这带来了更高的模型多样性和鲁棒性。研究还将本成果与既往研究进行了对比，指出RF-ExtraTree在RMSE、NSE、R²等关键指标上均优于已报道的遗传算法优化RF（GA-RF）、极限学习机-蝙蝠算法（ELM-Bat）和动态演化神经模糊推理系统（DENFIS）等模型，确立了其领先地位。同时，讨论也指出了本研究的局限性，例如数据来源于单一水厂，未包含溶解性有机物（Dissolved Organic Matter, DOM）等关键水质指标，未来需要多地点验证和更丰富的数据源来提升模型的普适性。

5. 结论

本研究成功开发并验证了一个基于集成机器学习驱动的新型框架，用于精确预测饮用水处理厂的混凝剂投加量。核心结论是：树状集成模型，特别是RF-ExtraTree混合模型，能够高效处理原水水质的多变性和非线性关系，实现远超传统方法的预测精度和操作可靠性。该研究不仅为替代或辅助劳动密集型的烧杯试验提供了强有力的技术工具，也为构建智能、可持续的水处理过程控制系统奠定了坚实基础。通过实现精准加药，该框架有望显著降低化学品消耗和运营成本，提高处理效率的一致性，并减少环境足迹，对推动全球饮用水处理行业的数字化、智能化转型具有重要的科学意义和实际应用价值。未来的研究方向包括整合更多水质参数、进行多场地验证，以及将模型与物联网（IoT）传感器和自适应学习算法结合，以实现全流程的自主优化控制。