利用HRT对齐的机器学习的过程感知管理信息系统用于预测污水处理厂中的能耗和出水BOD5

《Ecological Informatics》：A process-aware management information system utilizing HRT-aligned machine learning for predicting energy consumption and effluent BOD? in WWTPs

　　

污水处理厂（WWTPs）中生物处理性能的可靠预测需要数据结构维持进水特性、操作行动和出水质量之间的物理因果关系。在本研究中，研究人员提出了一种过程感知的机器学习框架，该框架基于每个进水复合样品的平均水力停留时间（HRT）轨迹重建操作和实验室变量。利用来自希腊雅典Metamorfosis污水处理厂（MWWTP）的详细监督控制和数据采集（SCADA）测量数据、设备状态日志和实验室分析，创建了两个过程一致的数据集。与依赖基于日历聚合的操作和实验室测量的传统机器学习方法不同，该框架通过水力停留时间重建过程停留轨迹，从而保留进水条件、操作行动和处理结果之间的因果联系。数据集1涵盖2024年8月31日至2025年12月1日，捕捉了曝气、搅拌和回流活性污泥（RAS）系统的能耗。数据集2涵盖2024年8月31日至2025年8月31日，代表了水力重分布的出水五日生化需氧量（BOD₅）浓度。操作特征严格在曝气停留区间内工程化，确保与生物处理阶段的时间对齐，并实施了随机森林（Random Forest）回归模型。结果表明，数据集1的预测性能优异，由于操作预测变量与电力负荷之间的直接机械联系，预测与观测能耗之间存在强相关性。对于数据集2，模型达到了中等但稳健的预测准确性。性能略有降低归因于BOD₅去除发生在曝气和二次沉淀两个阶段，而操作变量仅代表生物反应器的时间窗口。综合来看，这些结果表明水力时间对齐和物理基础的特征工程显著增强了模型的可解释性、泛化能力和操作相关性。该框架的主要新颖之处在于将水力过程知识直接整合到数据集构建中，使机器学习模型能够从因果一致的观测中学习，而不是传统的日历对齐记录。这种过程感知方法为开发物理可解释、操作有意义的数据驱动模型提供了可扩展和可转移的范式，用于污水处理系统。

**论文解读：基于HRT对齐的机器学习框架预测污水处理厂能耗与出水BOD₅**

**研究背景与问题**

污水处理厂（WWTPs）是城市卫生和环境基础设施的关键组成部分，但同时也是能耗最密集的市政设施之一。在传统活性污泥系统中，曝气、泵送、搅拌和污泥处理等活动可消耗总电力的45–75%，占运营支出的很大比例。准确预测能耗和处理性能对于成本效益决策、操作优化和实现环境可持续性目标至关重要。此外，出水质量指标如五日生化需氧量（BOD₅）对法规合规和生态保护至关重要。传统水质建模方法常依赖机械或生物地球化学过程描述，但需要大量参数估计和详细过程知识，这在全规模污水处理环境中往往难以获取。因此，机器学习（ML）技术因其能从经验观测中直接学习而成为有吸引力的替代方案。然而，现有ML应用多基于日历对齐的测量，未明确考虑关键过程动态如水力停留时间（HRT）或因果操作暴露期，导致模型难以准确反映真实处理动态，并可能损害预测鲁棒性。此外，很少有研究将能耗预测与出水质量建模整合在一个统一框架内。这些不足促成了本研究的开展：开发一种将水力过程知识融入ML流程的方法，确保输入特征代表真实过程停留时间和因果时间窗口，从而对齐模型训练与能耗和污染物去除的潜在处理机制。

**研究内容与结论**

本研究提出了一种基于水力对齐的过程感知机器学习框架，用于预测全规模活性污泥处理厂中曝气–搅拌–回流活性污泥（RAS）系统的能耗以及出水BOD₅浓度。通过基于平均HRT重建所有操作和实验室变量，该方法建立了进水特性、操作行动和处理结果之间物理一致的关系。研究使用了来自希腊雅典Metamorfosis污水处理厂（MWWTP）的详细监督控制和数据采集（SCADA）测量数据、设备状态日志和实验室分析。创建了两个过程一致的数据集：数据集1（324个实例，2024年8月31日至2025年12月1日）捕捉曝气、搅拌和RAS系统的能耗；数据集2（137个实例，2024年8月31日至2025年8月31日）代表水力重分布的出水BOD₅浓度。操作特征严格在曝气停留区间内工程化，并实施了随机森林（Random Forest）回归模型，同时与线性回归（LR）、人工神经网络（ANN）和长短期记忆神经网络（LSTM）进行对比。结果表明，数据集1的预测性能优异（R=0.9587，R2=0.9113，RMSE=894.62 kWh），这归因于操作预测变量与电力负荷之间的直接机械联系。数据集2达到中等但稳健的预测准确性（R=0.88，R2=0.775，RMSE=1.2 mg/L），性能略低是因为BOD₅去除发生在曝气和二次沉淀两个阶段，而操作变量仅代表生物反应器的时间窗口。特征重要性分析显示，曝气相关变量（尤其是逆变器控制的曝气器）主导了能耗预测，而BOD₅预测受曝气和搅拌变量的组合影响。物理一致性验证表明，模型能准确再现时间趋势、波动和峰值事件。该研究发表在《Ecological Informatics》。

**关键技术方法**

研究人员使用了来自MWWTP（希腊雅典，处理生活污水和化粪池污水，服务约50万人口）的SCADA数据、设备状态日志和实验室分析作为样本队列来源。关键技术方法包括：（1）基于各处理阶段平均HRT（如生物反应器21.1 h）的时间对齐框架，重建进水复合样品的停留轨迹；（2）在曝气停留区间内（13:00 day t-1至10:06 day t+1）工程化操作特征，包括非逆变器曝气器运行小时、逆变器曝气器平均负载、搅拌器运行小时和污泥回流泵平均负载；（3）对出水BOD₅进行水力重分布，以匹配进水的因果窗口；（4）采用随机森林回归模型，配置100棵树，10折交叉验证评估，并与LR、ANN、LSTM对比。

**研究结果**

**3.1 数据集1的预测性能**：通过随机森林回归模型，得到Pearson相关系数R=0.9587，决定系数R2=0.9113，均方根误差RMSE=894.62 kWh，表明模型成功捕捉了能耗的主导模式，预测值与观测值高度一致。

**3.2 数据集1的特征重要性分析**：特征重要性分析显示，逆变器控制的曝气器A13（18.7%）、A14（15.0%）、A7（10.6%）和A9（8.8%）贡献了超过50%的模型重要性，表明曝气相关变量是能耗预测的主要驱动因素，验证了框架的物理一致性。

**3.3 数据集2的预测性能**：模型对水力重分布的出水BOD₅预测得到R=0.884，R2=0.775，RMSE=1.2 mg/L，表明在有限数据集和低变异性条件下，模型仍能捕捉有意义的趋势，但性能低于能耗预测，因其受限于二次沉淀阶段未直接建模的过程。

**3.4 数据集2的特征重要性分析**：特征重要性显示，曝气器A12（20.6%）和A4（17.6%）为主导预测变量，同时搅拌器变量（M1、M3）也有贡献，表明出水BOD₅受曝气强度和混合条件的共同影响，反映了多因素性质。

**3.5 物理一致性验证**：通过动态验证，模型预测的能耗和BOD₅时间序列与实测值高度吻合，能准确再现主要波动和峰值事件，无显著时间滞后，证实了基于HRT对齐保持了因果关系。

**讨论与结论**

讨论部分指出，能耗预测的优异性能归因于操作变量与能耗之间的强机械和时间耦合，以及较大的样本量（n=324）。对于BOD₅，中等性能是因为BOD₅去除跨曝气和二次沉淀两个阶段，而操作变量仅覆盖生物反应器时间窗口，未来可纳入二次沉淀参数（如污泥体积指数SVI、污泥床层深度）以改进。此外，数据集2样本量较小（n=137，仅工作日实验室分析）且BOD₅变异性低（0.5–12.98 mg/L）也限制了性能。模型可作为一致性监测工具，确保节能优化不损害出水质量。结论部分（5. Conclusions）翻译如下：本研究提出了一种基于水力对齐的过程感知机器学习框架，用于预测全规模活性污泥处理厂中曝气–搅拌–回流活性污泥（RAS）系统的能耗和出水BOD₅浓度。通过基于实际水力停留轨迹重建所有变量，该方法建立了进水特性、操作行动和处理结果之间的物理一致关系。该框架通过将数据驱动建模与水力过程理解在特征工程阶段显式链接，确保变量沿实际水力路径对齐，重建因果一致的输入输出关系。随机森林回归模型在能耗数据集上表现出优异的预测性能，凸显了可控操作变量与电力需求之间的强机械耦合；而出水BOD₅的预测准确度为中等但稳健，这与BOD₅去除在曝气池和二次沉淀阶段的分布性质一致。总体而言，结果表明水力时间对齐和物理基础的特征工程显著提高了数据驱动模型在污水处理中的可解释性、泛化能力和操作相关性。该框架为未来整合二次沉淀描述符、附加生物指标以及利用连续SCADA数据实现实时控制应用奠定了基础。本研究强调了将过程知识嵌入机器学习流程的重要性，为开发更可靠、可操作的WWTPs运行决策支持工具铺平了道路。