《Journal of Water Process Engineering》：Current density performance prediction for a microbial electrolysis cell using machine learning methods
编辑推荐：
微生物电解池（MEC）因能够在处理废水的同时实现可持续产氢而受到关注。然而，其性能受多种物理、化学和生物因素的复杂非线性相互作用影响，精确建模存在困难。本研究旨在开发并比较一种完全基于实验数据的数据驱动建模框架，以预测MEC系统中生物阳极的电流密度（j）。研究
微生物电解池（MEC）因能够在处理废水的同时实现可持续产氢而受到关注。然而，其性能受多种物理、化学和生物因素的复杂非线性相互作用影响，精确建模存在困难。本研究旨在开发并比较一种完全基于实验数据的数据驱动建模框架，以预测MEC系统中生物阳极的电流密度（j）。研究人员评估了八种机器学习方法，包括随机森林（RF）、极限梯度提升（XGBoost）、多层感知机（MLP）、卷积神经网络（CNN）、长短期记忆网络（LSTM）、门控循环单元（GRU）、非线性自回归外生输入模型（NARX）以及混合CNN-NARX架构。实验数据来自德国不来梅大学为期150天的MEC运行，输入变量包括pH、电导率（κ）、光密度（OD）、化学需氧量（COD）以及乙酸、丁酸和丙酸的浓度。在独立测试集上，CNN-NARX取得了最高的决定系数（R2=0.87），且预测误差较低。残差分析显示整体偏差较小，但在高电流密度条件（≥P75）下模型倾向于低估。稳定性分析表明，30次独立随机初始化运行中测试集R2均值为0.828±0.034，显示出良好的鲁棒性。消融研究证实了混合架构相对于单一CNN和NARX模型的优势。SHAP分析表明，pH、乙酸和光密度是最重要的预测变量，三者合计贡献了65.5%的预测重要性。研究结果证明，数据驱动模型可作为监测MEC生物电化学行为和预测电流密度的有效工具，为废水处理应用中的MEC监控提供了概念验证。
论文解读：基于机器学习的微生物电解池电流密度预测研究
一、研究背景与问题
废水处理是保障公共卫生和环境安全的重要基础设施，但同时也消耗大量能源。据统计，全球废水的收集、处理和处置过程占电力总消耗的2%以上。因此，开发节能技术并优化工业设施的能源利用至关重要。微生物电解池（MEC）作为一种新兴技术，能够在处理废水的同时通过电活性微生物的代谢活动实现可持续产氢，且所需外加电压仅为0.3–0.9 V，低于电解水理论电压1.23 V，具有显著的能量优势。然而，MEC技术从实验室向工业规模转化仍面临诸多挑战。MEC性能高度依赖于操作条件、反应器设计以及生物电化学过程的发展，而这些因素与废水组成密切相关。多种因素的相互影响使得动态条件的优化和控制变得困难。更重要的是，MEC系统的性能并非仅由单一显性变量线性决定，而是源于多种物理、化学和生物因素的相互作用。传统机理模型需要依赖复杂微生物途径的显式变量信息，实际应用较困难。相比之下，基于人工智能的模型可以通过物理数据对系统进行建模，提供了一种有前景的替代方案。
目前，已有研究将人工神经网络（ANN）应用于燃料电池和锂电池的性能预测，但在MEC领域中，先进深度学习架构（如门控循环单元（GRU）、卷积神经网络（CNN）、非线性自回归外生输入模型（NARX）及混合模型）对电流密度预测的探索仍十分有限。此外，以往研究大多依赖操作性和热变量，而较少纳入与微生物活性和底物降解相关的化学参数（如乙酸、丁酸、丙酸等有机酸）。同时，通过文献数据或模拟生成数据库的方法降低了模型的代表性和可重复性。因此，有必要开展基于纯实验数据、系统比较多种机器学习架构的研究，以评估不同建模策略在表示生物电化学过程非线性和动态行为方面的能力。
二、研究目标与方法概述
本研究旨在开发并比较一个完全基于实验数据的数据驱动建模框架，用于预测MEC系统生物阳极的电流密度。研究人员评估了八种机器学习方法，包括传统模型（随机森林（RF）和极限梯度提升（XGBoost））、前馈和卷积神经网络（多层感知机（MLP）和CNN）、循环架构（长短期记忆网络（LSTM）和GRU）、NARX模型以及混合CNN-NARX架构。实验数据来源于德国不来梅大学（University of Bremen）一个实验室规模的MEC系统，该系统以合成废水与真实啤酒厂废水的混合物为原料，接种菌种包括Geobacter sulfurreducens（PCA）和真实啤酒厂废水，运行周期为2023年7月至12月，共计150天。MEC采用30 × 120 mm矩形平板构型，集成不锈钢羊毛阳极、不锈钢网阴极和双极膜。数据采集涵盖pH、电导率（κ）、光密度（OD）、化学需氧量（COD）以及乙酸、丁酸和丙酸的浓度，并同步记录电流密度（j）。原始数据经时间对齐、异常值剔除（基于四分位距（IQR）准则）和归一化处理后，最终得到83个有效观测样本，并按时间顺序以85%和15%的比例划分为训练/验证集与测试集。所有模型采用统一的一步超前预测方式，NARX和CNN-NARX使用两个输入延迟和两个输出反馈延迟。模型训练使用Adam优化器，并进行1000轮迭代。CNN-NARX超参数通过试错法优化，共评估超过100种候选配置。最终架构包含两个卷积层（64和128个滤波器）、三个全连接层（56、88和32个神经元），并采用Swish激活函数和系列-并行模式。评估指标包括均方误差（MSE）、平均绝对误差（MAE）、均方根误差（RMSE）和决定系数（R2）。此外，进一步开展了残差与偏差分析、30次随机初始化稳定性分析、消融研究以及基于Shapley加性解释（SHAP）的特征重要性分析。
三、主要研究结果
3.1 预测性能与模型比较
训练过程显示各模型损失函数在前几个时期显著下降，随后逐渐收敛至稳定。在测试集上，基线模型RF的R2为0.47，误差最高（MSE=0.005298，MAE=0.070350，RMSE=0.072790）；XGBoost的R2为0.72，误差显著降低（MSE=0.000499，MAE=0.020183，RMSE=0.022338）。在ANN模型中，MLP和CNN的R2分别为0.73和0.74，RMSE值相近（0.010771和0.010848）；LSTM和GRU的R2分别为0.54和0.47，RMSE值分别为0.015396和0.015240，表明在本研究条件下循环模型并未优于前馈和卷积模型。NARX取得了最低的预测误差（MSE=0.000082，MAE=0.008047，RMSE=0.009029），R2为0.82；而CNN-NARX在所有模型中获得了最高的决定系数（R2=0.87），同时保持了较低的误差（MSE=0.000125，MAE=0.010505，RMSE=0.011189）。时序对比图显示，RF在大部分测试期间存在高估，XGBoost大致捕捉了总体趋势但有偏差，MLP和CNN较好跟踪了主要时间变化，LSTM和GRU与实验值的相关性较弱，而NARX和CNN-NARX均能有效复现系统的整体动态行为，包括测试期间末段电流密度的上升。
3.2 残差与偏差分析
对CNN-NARX在测试集上的残差分析表明，预测值分布在恒等线两侧，正负残差均有出现。整体平均残差为?0.00254，标准差为0.01138。偏差分析显示整体偏差为?0.00254，百分比偏差（PBIAS）为?5.02%，其中58.3%的预测为高估，41.7%为低估。对于高电流密度条件（≥P75，P75=0.07269）下的三个观测值，所有预测均表现为低估，偏差为0.01039，PBIAS为13.25%，该子集的MAE和RMSE分别为0.01039和0.01052。这表明在高值区域主要问题是误差方向的系统性改变，而非误差幅度的显著增加。
3.3 稳定性分析
为评估CNN-NARX对随机初始化的敏感性，研究人员进行了30次独立训练，仅改变随机种子而保持其他条件恒定。在训练集上，R2均值为0.866±0.003，RMSE均值为0.055±0.001；在独立测试集上，R2均值为0.828±0.034，RMSE均值为0.01289±0.00135。测试集R2的95%置信区间为[0.814817，0.840507]，所有运行中R2范围在0.770693至0.895551之间。结果表明模型性能在不同随机初始化下保持相对稳定。
3.4 消融研究
通过将CNN-NARX与单独配置的CNN和NARX进行比较，研究人员发现，单独CNN的R2为0.74，单独NARX的R2为0.82，而混合模型CNN-NARX的R2达到0.87。混合架构相对于CNN和NARX分别将决定系数提高了17.57%和6.10%。在误差指标方面，CNN-NARX的MSE、MAE和RMSE分别为0.000125、0.010505和0.011189，与单独架构处于同一数量级。这表明卷积特征提取和自回归记忆机制的整合主要提升了模型对目标变量观测变异性的表征能力。
3.5 特征重要性排名与SHAP分析
基于SHAP值的全局重要性分析显示，各输入变量对CNN-NARX预测的贡献呈非均匀分布。pH是最具影响力的变量，占总贡献的25.8%；乙酸占比21.6%；光密度占比18.1%。三者合计占65.5%的总重要性。丙酸和COD的贡献居中，分别为11.9%和10.7%；丁酸贡献9.8%；电导率的重要性最低，仅占2.1%。SHAP值分布表明，较高的pH通常对应正向SHAP值，较低的pH对应负向或接近零的贡献；乙酸和光密度也呈现类似趋势。COD则表现为高值主要集中于负向或接近零的SHAP值附近，部分低COD值出现正向贡献。
四、讨论与结论
讨论部分指出，监测的物理化学和生物化学变量包含了足以重构电流密度变异性的信息。SHAP分析显示模型预测主要基于与MEC运行三个相互关联维度相关的变量：介质物理化学条件（pH）、有机物组成（乙酸、丙酸、丁酸、COD）和反应器生物状态（光密度）。pH的主导作用与其在生物电化学系统中所公认的重要性一致，酸碱度同时影响微生物活性和电化学反应。乙酸的重要性与文献中挥发性脂肪酸（VFA）对MEC性能的影响相符，已有研究证明以乙酸为底物时获得最高电流密度和库仑效率。光密度虽无法区分电活性微生物与其他微生物群体，但代表了悬浮生物量的总体状况，为预测提供了有价值的生物学信息。电导率的贡献较低可能表明在该实验范围内其预测区分能力有限，而非其没有电化学意义。
研究的局限性在于数据集仅来自单一MEC构型，且样本量相对有限，因此模型对其他反应器、底物和操作条件的适用性尚需外部验证。未来研究应通过新的实验活动扩充数据集，纳入不同MEC配置、废水基质和运行条件，以及微生物学、电化学和结构变量，以评估模型的可迁移性。
研究结论表明，MEC生物阳极电流密度的预测依赖于模型准确表征系统电化学行为背后复杂非线性关系的能力。CNN-NARX架构因能整合多种处理机制，特别适合模拟MEC中复杂的生物电化学相互作用。该研究的重要贡献在于完全使用MEC运行期间实验采集的数据，并通过SHAP分析揭示了pH、乙酸和光密度对预测的主导作用。这些结果证明了数据驱动模型作为监测MEC生物电化学行为和预测电流密度的补充工具具有潜力。本研究发表在《Journal of Water Process Engineering》。
