华中科技大学ES&T丨可解释机器学习优化集成碳、氮、磷和硫生物转化的生态系统用于含盐废水处理

文章预览

摘  要 处理含盐废水的反硝化硫（S）转化相关强化生物除磷（DS-EBPR）工艺具有独特的微生物生态学特征，集碳（C）、氮（N）、磷（P）和S生物转化于一体。然而，由于众多参数和复杂的细菌相互作用，导致操作不稳定。本研究引入了一种两阶段可解释的机器学习方法来预测Sconversion驱动的除磷效率并优化DS-EBPR过程。第一阶段利用XGBoost回归模型，通过特征工程从厌氧参数预测硫酸盐还原（SR）强度，实现了0.948的R 2 值。第二阶段涉及CatBoost分类和回归模型，将缺氧参数与预测的SR值相结合来预测P去除，分别达到94%的准确度和0.93的R 2 值。本研究确定了关键的环境因素，包括SR强度（20-45 mg S/L）、进水P浓度（ < 9.0 mg P/L）、混合液挥发性悬浮固体（MLVSS）/混合液悬浮固体（MLSS）比率（0.55-0.72）、进水C/S比（0.5-1.0）、缺氧反应时间（5-6 h）和MLSS浓度（>6 ………………………………