编辑推荐：
随着全球对清洁水需求的增长，研究人员开展了利用人工神经网络（ANN）优化单效蒸馏器（SED）海水淡化工艺的研究。结果显示，多层感知器（MLP）模型预测性能优越，还确定了最佳操作条件，并提出太阳能 SED 概念设计，为解决水资源短缺提供新途径。
在全球水资源日益紧张的当下，淡水供应不足成为了制约人类发展的重大难题。地球表面虽有丰富的水资源，但淡水仅占 3%，且大多存在于地下水和冰山之中，可轻易获取的淡水仅占 0.3%。随着全球人口增长和工业化进程加速，对清洁水的需求持续攀升。据联合国《2023 年世界水资源发展报告》预测，到 2050 年，清洁水需求将增加 30% - 50%。在这样的严峻形势下，海水淡化成为了获取清洁水的重要途径。
海水淡化主要有热法和压力法两种。热法如多效蒸馏（MED）、多级闪蒸（MSF）等，通过蒸发盐水并冷凝蒸汽获取淡水；压力法则利用膜过滤，如反渗透（RO）等技术。单效蒸馏器（SED）作为一种真空蒸发器，在海水淡化领域具有独特优势。它能在较低温度下蒸发，减少热能需求，提高能源效率，且无需化学添加剂，对环境影响小，还能生产高纯度蒸馏水。然而，SED 的性能受热水温度、冷水温度和真空压力等关键操作参数影响，如何优化这些参数以提高其效率和可持续性成为关键问题。
为解决这一问题，来自国内的研究人员开展了相关研究。他们利用机器学习技术，通过构建多层感知器（MLP）和支持向量回归（SVR）等模型，对 SED 的操作参数进行优化。研究旨在提高小型 SED 海水淡化过程的效率和可持续性，为解决全球水资源短缺问题提供有效方案。
研究人员首先搭建了实验室规模的 SED 装置，通过改变真空压力、热水温度和冷水温度等参数进行实验，并收集数据。实验使用的盐水中含有 3.5%（w/w）的氯化钠，通过一系列设备控制温度和压力，测量蒸馏出的水的质量流量等数据，并对蒸馏水的 pH 和电导率等水质指标进行表征。
在技术方法上，研究人员运用了多种关键技术。他们利用皮尔逊相关矩阵（Pearson's correlation matrix）分析输入参数与输出变量之间的线性关系，确定各参数的影响程度。通过机器学习进行优化，将实验数据按 60%、20%、20% 的比例划分为训练集、验证集和测试集，使用根均方误差（RMSE）和决定系数（R2）等指标评估模型性能。利用线性回归、多项式回归、SVR 和 MLP 等模型进行预测，其中 SVR 和 MLP 模型的超参数分别通过 GridSearchCV 和 KerasTuner 进行优化。
在水质量测试方面，研究发现蒸馏水的 pH 在整个过程中保持稳定，为 6.80，电导率则从初始盐水的 48.4 mS/cm 大幅降至 12.55 μS/cm，表明蒸馏过程有效去除了盐分。
在 SED 性能研究中，发现整体传热系数（UA）随热水温度升高而增加，较低的操作压力也会使 UA 增加，但当热水温度过高接近盐水沸点时，UA 会下降。同时，增加热水温度、降低操作压力会提高蒸馏水流率，而冷水温度升高则会使蒸馏水流率降低。
通过机器学习模型优化发现，热水温度对蒸馏水流率影响最大，与蒸馏水流率呈强正相关（相关系数为 0.741）；操作压力与蒸馏水流率呈中度负相关（相关系数为 -0.403）；冷水温度与蒸馏水流率呈弱负相关（相关系数为 -0.233）。MLP 模型在预测 SED 性能方面表现最优，其测试集 R2 值达到 0.9671，RMSE 为 0.3867 g/min，优于 SVR、多项式回归和线性回归模型。
利用 MLP 模型生成的等高线图显示，为实现最大蒸馏水流率，最佳操作条件为低冷水温度、高热水温度和低操作压力。例如，冷水温度为 12°C 时，在热水温度高于 85°C、压力低于 10 kPa 的条件下，蒸馏水流率最高；在冷水温度为 22°C（接近室温）时，当热水温度超过 85°C 且真空压力低于 10 kPa，蒸馏水流率也较高，这意味着可利用室温海水冷却冷凝器，提高能源效率。
研究人员还提出了太阳能 SED 的概念设计。该设计利用太阳能热水器提供热水，使热水温度达到 85°C 以上，利用室温海水冷却冷凝器，减少额外冷却基础设施需求。太阳能光伏（PV）面板为所有泵提供电力，包括真空泵，确保系统独立运行。通过温度控制系统维持热水温度，调节冷却海水流量优化热交换效率，系统在低真空压力（低于 10 kPa）下运行，提高蒸发效率。此外，还可集成热能和电能存储系统，确保在低日照时段持续运行，并通过能量管理系统监控和平衡能源。
这项研究意义重大。首先，确定了 SED 最佳操作条件，为实际应用提供了指导，有助于提高海水淡化效率，降低能源消耗。其次，提出的太阳能 SED 概念设计为海水淡化提供了可持续、高效且经济的解决方案，减少了对传统能源的依赖，降低了碳排放。再者，研究中使用的机器学习框架具有通用性，可应用于其他海水淡化系统，通过训练不同数据集优化各种技术和配置，为解决全球水资源短缺问题提供了新的思路和方法。研究成果发表在《Desalination》上，为该领域的进一步研究和发展提供了重要参考。
