揭示尺度在人工湿地中的作用：利用机器学习方法进行设计优化

《Journal of Cleaner Production》：Revealing the role of scale in constructed wetlands: Machine learning approach to design optimization

　　

Baoquan Liao|Lingwei Kong|Weiwei Lu|Jin Zhang|Cheng Shen|Yaqian Zhao|Joan García|Yuliang Li|Bin Li|Shuiping Cheng

浙江省废弃生物质资源回收与生态处理重点实验室，浙江科学技术大学，杭州，310023，中国

摘要

人工湿地（CWs）是一种可持续且低成本的尾水处理解决方案。实验室规模的研究提供了关于污染物去除机制的详细见解，但由于水动力学、进水负荷和环境异质性的差异，其结果不能直接应用于现场规模系统。在这项研究中，我们使用机器学习（ML）系统地量化了尺度依赖性效应。我们汇编了来自141项同行评审研究的1198个观测数据集，以评估六种ML算法，其中随机森林模型在全球和特定尺度策略下均被选中。与全局模型相比，特定尺度的模型取得了0.215（实验室规模）和0.149（现场规模）的R²改进，这突显了尺度意识建模的好处。特征重要性分析显示，处理能力在实验室规模系统中占主导地位（69.6%），而进水浓度和湿地面积则影响现场规模性能（41.8%）。基于现场规模模型的部分依赖性和双向交互分析确定了全尺度CW运行的最佳参数范围，包括总进水量为30,000–240,000 m³/天和 hydraulic loading rate 为0.45–0.65 m/day。虽然实验室规模的最佳参数不能直接转移到现场规模，但它们在解释如流体动态相互作用和微生物-基质过程等机制方面仍然具有很大价值，并可以为定量现场规模分析提供定性指导。本研究建立了一个数据驱动的框架，将实验室实验的机制理解与预测性现场规模建模联系起来，从而实现更可靠、高效和可扩展的CW设计，同时系统地解决了受控实验与实际系统之间的差异。

引言

人工湿地（CWs）是一种可持续且成本效益高的基于自然的解决方案，用于市政废水排放物的深度处理（Cao等人，2025年；Lu等人，2025年）。它们的可靠性和操作可行性（Zhang等人，2024a年，Zhang等人，2024b年），极低的运营成本（Kamilya等人，2023年；Zhang等人，2024a年，Zhang等人，2024b年），以及其低温室气体排放潜力（Wu等人，2023年）使它们成为传统废水处理厂排放物深度净化的理想选择（Wang等人，2022年）。尾水净化CWs已成功用于去除各种残留污染物，包括营养物质、重金属、病原体和某些抗生素以及新兴污染物（Chen等人，2024a年；Khan等人，2022年；Zhou等人，2022年）。然而，它们的性能会因系统设计、操作参数和湿地规模的不同而有很大差异（Lam等人，2024年；Miao等人，2024年）。尽管许多研究阐明了污染物去除机制，但大多数研究都是在严格控制的实验室条件下进行的，这限制了这些发现直接应用于全尺度尾水净化CW设计的可行性（Vymazal，2018年）。关键的是，尽管核心去除机制在不同尺度上保持一致，但在受控实验和现场部署之间的操作动态存在显著差异。在将实验室见解转化为实际应用时，显然需要开发出相应的尺度策略。

从实验室规模到全尺度CWs的放大引入了一系列复杂因素——异质的水力条件、波动的水力负荷和停留时间，以及不受控制的环境变量，如温度、降雨、水力短路和死区（Salimi和Scholz，2021年；Shih和Wang，2020年；Walaszek等人，2018年）。这些因素导致系统行为发生根本性变化：实验室规模系统主要受水力控制，而现场规模操作则越来越多地受到生态和空间复杂性和异质性的影响。这种尺度依赖性的差异挑战了传统模型（Nguyen等人，2024年），导致在设计参数和实际操作参数之间存在显著偏差。因此，解决这些尺度效应对于优化CWs性能和确保实验室见解的可扩展性至关重要。

机器学习（ML），特别是集成方法如随机森林（RF），为建模复杂系统（如CWs）提供了强大的工具（Nguyen等人，2021年）。与传统的线性统计方法相比，ML模型在拟合高维、多尺度环境数据集方面表现出更强的能力，能够准确描述输入特征和目标变量之间的复杂非线性关系，从而提高预测性能。面对环境监测中的常见挑战——如缺失数据、异常值、多重共线性和不平衡分布——ML模型通过正则化和集成策略（例如RF和GBM）展示了强大的鲁棒性和泛化能力（Allen Akselrud，2024年；Alsaber等人，2021年；Stephan等人，2015年）。同时，与传统尺度分析方法（依赖于维度分析和经验校正因子，假设比例或线性尺度关系）不同，机器学习框架直接捕捉非线性相互作用，并提供跨实验室和现场CWs的数据驱动预测。近年来，可解释性工具（如SHAP（Shapley Additive exPlanations）值、部分依赖图（PDPs）和特征重要性排名）提高了ML模型的透明度，使研究人员能够阐明环境变量对预测的影响，并支持机制洞察和政策制定。最近的研究证明了ML在预测CWs污染物去除效率、识别关键过程驱动因素和支持实时监测方面的有效性（Dai等人，2024年；Nguyen等人，2021年；Yang等人，2023年）。迄今为止，还没有研究系统地利用ML来探究尺度依赖性的CWs行为或评估全局模型在不同尺度湿地之间的可转移性。

全局ML模型的一个局限性是来自不同尺度异质数据集的“平均效应”（Zhou等人，2024年）。虽然确保了整体性能，但这些模型可能会掩盖实验室与现场尺度之间的差异，降低特定尺度预测的准确性和可解释性。此外，像RF这样的集成方法的黑箱性质阻碍了设计参数的提取和定制尺度指南的开发（Hatwell等人，2020年）。

为了解决这些挑战，我们采用了机器学习算法构建了六个经典模型，并在此基础上提出了一个考虑尺度的ML框架，该框架整合了全面的预处理策略、稳健的预测建模和先进的可解释性技术。主要目标是：（i）评估全局ML模型在预测不同尺度CWs处理性能方面的泛化能力；（ii）评估特定尺度建模策略在提高预测准确性和稳健性方面的增量效益；（iii）使用可解释性方法阐明驱动CWs污染物去除效率的关键特征，描绘总体效应趋势和特征相互作用，并得出参数建议。通过解决跨尺度预测和模型透明度的问题，这项工作旨在弥合实验室实验和全尺度CWs应用之间的差距，最终促进更可扩展、可解释和可操作的ML模型的发展，用于湿地设计。

章节片段

数据收集

ML建模的数据集来源于之前的研究（Lu等人，2025年）。根据相同的纳入标准，我们包含了来自不同类型CWs的数据及其对废水处理厂排放物的净化效果。我们筛选了287篇相关的同行评审出版物，并确定了141篇文章，共计1198个有效数据点。

所包含的研究涵盖了多个气候和地理区域，包括亚洲、欧洲、北美洲以及其他温带和亚热带地区。

模型性能

为了最佳拟合输入特征并识别更准确的模型以预测CWs中的污染物去除性能，应用了六种经典的ML算法——LR、RR、SVM、GBM、KNN和RF——到整个数据集。采用了5折交叉验证策略来降低过拟合的风险。使用四个指标评估模型性能：R²、RMSE、MAE和MSE。图1展示了预测值与观测值的散点图以及拟合的回归线。总体而言，LR

结论

本研究通过开发一个考虑尺度的RF建模框架，解决了实验室规模和现场规模CWs之间的持续差距。使用来自141项同行评审研究的1198个数据点，该模型在实验室规模预测中的R²值为0.730，在现场规模预测中的R²值为0.750，证明了在捕获不同尺度污染物去除效率方面的稳健性能。实验室规模的CWs主要受TC（69.6%的特征重要性）控制，而湿地面积（41.8%）在

CRediT作者贡献声明

Baoquan Liao：撰写——原始草稿、软件、方法论、数据管理。Lingwei Kong：撰写——审阅与编辑、资源、方法论、调查、概念化。Weiwei Lu：撰写——审阅与编辑、资源、数据管理。Jin Zhang：撰写——审阅与编辑、方法论、资金获取。Cheng Shen：撰写——审阅与编辑、监督、方法论、调查、资金获取、数据管理、概念化。Yaqian Zhao：撰写——审阅与编辑，

利益冲突声明

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文报告的工作。

致谢

本工作得到了“先锋”和“领头鹅”R&D计划（（2025C04017）、国家自然科学基金（42403056、32471696、22276174、42477428）的支持。JG感谢ICREA Academia计划提供的支持。