北京理工大学曲申团队WR｜基于时间序列机器学习的饮用水厂多药剂投加对多水质变量的预测

文章预览

文章信息 第一作者 ： 庞宏娇 通讯作者：曲申 教授 通讯单位：北京理工大学 https: / /doi.org/10.1016/j.watres.2024.122777 亮点 •  开发了预测多元水质变量的时间序列模型。 • 证实了模型采用12小时滞后步长有助于缓解药剂投加的时间依赖效应。 • 证实了传统机器学习模型结合时间特征工程优于深度学习模型。 • 利用SHAP方法阐明了机器学习预测结果与水处理的基本原理一致。 研究进展 饮用水处理过程中，原水水质受季节变化、环境条件等多种复杂因素影响，呈现出随机性和波动性。此外，药剂投加存在时间滞后效应和非线性反应，为水质稳定控制带来挑战，仅凭传统人工经验难以应对复杂的工艺环境，最终影响水厂经济效益和资源利用效率。为解决这一难题，机器学习技术应运而生。通过分析进水水质特征、药剂投加量及多屏障水处理工艺中的水 ………………………………