编辑推荐：
为解决藻类 - 细菌废水处理模型在不同数据集应用时可靠性存疑等问题，研究人员对 ALBA 和 ABACO-2 模型开展基准测试研究。结果显示，二者虽结构不同，但预测能力良好且各有优势。该研究明确了模型适用领域，为其改进提供方向。
在当今社会，快速的城市化和工业扩张让废水管理成为全球亟待解决的难题。传统的废水处理方法虽然能处理一定量的污水，可代价高昂，不仅会排放大量温室气体、消耗大量能源，还会产生大量需要后续处理的残渣，比如污泥。在这样的背景下，基于微藻的废水处理技术崭露头角，它不仅能净化污水，还能实现营养物质的循环利用，将去除的磷（P）和氮（N）转化为微藻生物质，用于肥料、生物塑料和生物燃料等领域，而且微藻能自我产生氧气，可使曝气相关的运营成本降低多达 70% ，大大减少了环境足迹。
然而，这项技术在成本效益方面还存在挑战，难以完全实现工业化规模应用。此外，藻类 - 细菌废水处理系统的生物复杂性极高，众多微生物种群之间相互作用，影响着系统的稳定性和处理效果。虽然已有多种微藻 - 细菌模型被开发出来，但它们在不同气候条件、废水成分下的可靠性缺乏验证，尤其是在大规模应用中，环境随季节波动，模型预测过程行为的能力仍有待探究。
为了解决这些问题，来自多个研究机构的研究人员，包括 Rebecca Nordio、Francesca Casagli、Enrique Rodriguez 等，对 ALBA 和 ABACO-2 这两个藻类 - 细菌数字模型展开了研究。该研究成果发表在《Algal Research》上。
研究人员采用了多种关键技术方法。首先，收集了三个不同地区、不同条件下的年度数据集，这些数据集在生产系统规模、培养基和环境条件等方面存在差异。然后，利用这些数据集对 ABACO-2 和 ALBA 模型进行验证，通过比较模型模拟结果与实验数据，计算归一化均方根误差（NRMSE）和泰勒信息准则（TIC）等指标来评估模型性能。
研究结果如下：
- 模型验证结果：通过对阿尔梅里亚（Almeria）、纳博讷（Narbonne）和米兰（Milan）数据集的模拟，结果显示，ABACO-2 和 ALBA 模型在不同数据集上均展现出一定的预测能力。从图表和数据来看，ABACO-2 在模拟藻类生物质演变方面表现更优，但在冬季其准确性还有提升空间；ALBA 则在追踪氮演变和生物可沉降有机物（BSMO）方面能力更强。
- 应用领域与改进方向：对比两个模型的性能，发现它们的差异反映了各自最初开发的特定目的。这也为进一步改进模型指明了方向，明确了不同模型更适合的应用场景。
研究结论表明，ALBA 和 ABACO-2 模型虽结构不同，但都具备良好的预测能力。ABACO-2 在预测生物质浓度方面能力较强，不过其简化的硝化模型在准确模拟 NH4+动态和初始阶段时可能存在局限；ALBA 在氮演变和 BSMO 追踪上表现突出。该研究通过对两个模型的比较基准测试，明确了它们的相对优势和需要改进的地方，为藻类 - 细菌废水处理模型的优化和实际应用提供了重要参考，有助于推动基于微藻的废水处理技术向工业化规模发展，更好地应对全球废水管理难题。
