基于径向基函数人工神经网络预测沿海供水管网中消毒副产物的形成机制与浓度分布

针对沿海地区供水系统中消毒副产物(DBPs)形成的复杂非线性关系，孟加拉国吉大港工程技术大学团队开发了包含管道距离和游离碘(I-)等9个参数的RBF-ANN模型。该模型通过120个实际管网数据点训练，对总三卤甲烷(TTHMs)及其四种主要物种的预测R2达0.81-0.87，为含卤化物水源的DBPs精准预测提供了新工具。

　　

在饮用水安全领域，消毒副产物(DBPs)的形成始终是困扰全球水务行业的难题。当氯消毒剂遇到水中的天然有机物(NOM)和卤化物时，就会产生具有潜在致癌风险的三卤甲烷(THMs)等副产物。这个问题在沿海地区尤为突出——海水入侵导致水源中含有大量溴(Br^-)和碘(I^-)离子，它们会与氯反应生成毒性更强的溴代和碘代DBPs。传统监测方法不仅耗时耗力，需要昂贵的GC-MS设备，而且现有预测模型往往忽视碘化物和实际管网距离这两个关键参数，在复杂多变的真实供水系统中常常"失灵"。

面对这一挑战，孟加拉国吉大港工程技术大学土木工程系的研究团队开展了一项创新研究。他们以这座沿海城市的实际供水管网为"实验室"，开发了基于径向基函数(RBF)的人工神经网络(ANN)模型。这项发表在《Ecotoxicology and Environmental Safety》的研究，首次将管道距离(替代传统接触时间)和游离碘浓度作为核心参数纳入预测体系，为DBPs的精准预测开辟了新路径。

研究人员采用了多阶段技术路线：首先在Karnaphuli服务区的120个采样点获取水质参数和THMs浓度数据；随后建立包含pH、温度、DOC、UV₂₅₄、余氯、Br^-、I^-、加氯量和管道长度等9个输入参数的RBF-ANN架构；通过MATLAB实现模型训练，采用10折交叉验证评估性能；最后通过敏感性分析确定关键影响因子。所有THMs检测均遵循USEPA标准方法，使用气相色谱-质谱联用技术完成。

研究结果部分呈现了丰富发现：

3.1 研究水体的理化特性

检测数据显示供水pH(7.2±0.3)符合孟加拉国标准，但源水中碘离子浓度高达650ppb，证实了沿海地区特有的卤化物污染问题。THMs浓度沿管网呈梯度增加，末端比水厂出水高出1.2-1.8倍。

3.2 神经网络实验数据集

模型训练采用渐进式数据扩充策略，从初始50组(35训练+15验证)扩展到最终120组(85训练+35验证)数据，确保预测范围全覆盖。特别值得注意的是，管道长度(1.5-2.5km)作为新参数被量化纳入。

3.3 验证结果

扩展数据集训练的模型表现优异：外部验证R2为0.81-0.82，内部验证达0.83-0.84。10折交叉验证均值稍低(0.78-0.80)，但证实了模型稳健性。相较前人研究(最高R2=0.93但数据量<60组)，该模型在数据量和实际适用性上均有突破。

1. 性能分析

   误差分析显示仅10-15%预测误差超过25%。参数重要性排序为：UV₂₅₄>DOC>余氯>Br^->I^->管道长度。当所有参数共同作用时，RMSE最低(80)，显著优于单一参数组合(最高847.26)。与线性回归(R2=0.52-0.61)和决策树(R2=0.64-0.70)相比，RBF-ANN展现出明显优势。

这项研究的创新价值在于三个方面：首先，管道距离参数的引入解决了实际管网中"接触时间"难以量化的难题；其次，碘化物的纳入使模型能准确预测沿海地区特有的碘代DBPs；最后，大样本实地数据(120组)训练确保了模型的实用性。研究人员特别指出，随着数据量增加，模型预测能力持续提升，这为后续研究指明了方向。

该模型已显示出在含卤化物水源地区的应用潜力，未来可通过纳入更多水质参数和管网特征进一步优化。这项成果不仅为水务部门提供了可靠的DBPs预测工具，更重要的是，它建立了一套适用于发展中国家的经济高效的水质风险评估方法——在GC-MS设备匮乏的地区，通过常规水质监测就能实现THMs的精准预测，这对保障饮用水安全具有重要实践意义。