浙江工业大学王红宇团队工业水处理综述：MBR中膜污染的人工神经网络预测研究进展

文章来源： 《工业水处理》2022年第7期

第一作者 ：张浩良

通讯作者 ：王侃鸣

现 膜生物反应器（MBR）是一种将活性污泥法与膜分离技术相结合的废水处理技术，具有出水水质好、负荷高和占地面积小等优点。

但是，膜污染会导致跨膜压差（TMP）的上升和膜通量的下降，增加MBR的运行成本，成为限制MBR广泛应用的瓶颈性问题。

人工神经网络（ANN）作为一种基于以往经验或数据进行分类与回归的机器学习模型，不仅具有参数少、预测性能好、泛化能力强等优点，而且具有极强的非线性映射能力、学习能力和黑箱建模能力，被广泛运用于污水处理领域。

笔者简述了影响膜污染的因素，对比了传统数学模型与人工神经网络模型的差异与优劣，总结了近20年来ANN模型在膜污染预测中的应用及优缺点，并对其未来的发展进行了展望。

膜材料、反应器操作条件和污泥混合液特性是与膜污染密切相关的主要因素，其涉及到的具体参数见图1。

图1 影响膜污染的参数

基于上述影响因素，研究人员相继构建了污泥混合液特性和运行条件等与膜污染关系的经验公式，例如Tansel通量模型、Chang通量模型和Hermia孔隙阻塞模型等。

尽管这些传统的数学模型在很大程度上有效地解释了膜通量变化与膜污染的关系，但是膜污染是一个受进水特性、微生物活动、过滤模式等多因素影响的复杂动态过程，经典数学的模型往往为了简化仅仅考虑部分影响因素或在建立模型过程中设置诸多假设，因而在实际应用中不可避免会存在一定的误差。

机器学习能从大量历史数据中挖掘其隐藏的规律，并做出分类或回归预测。近年来，人工神经网络由于能够通过学习非线性的复杂关系来构建数学模型，并且具有较强的泛化能力和对未知数据具有较好的预测效果，因而逐渐被应用于MBR的研究中。

ANN是一种模仿动物神经网络行为特征进行分布式并行信息处理的算法，其信息处理功能的实现主要依靠神经节点的输入输出、神经元的阈值及连接权值大小的调整。

对Web of Science上2006年至2020年运用ANN算法研究膜污染的文献数量进行统计，由图2可知，从2016年开始，关于ANN在膜污染方面研究的文献数量迅速增加，可见ANN已经成为研究膜污染预测及控制的重要工具。

图2　2006—2020年Web of Science上ANN-膜污染文献数量

ANN在MBR的应用中的功能包括对MBR中水质以及膜污染的预测并运用敏感性分析来识别影响膜污染的关键因素。

笔者根据ANN是否结合优化算法将其分为简单ANN、优化算法-ANN、深度学习ANN，并总结了2006-2020年ANN在MBR膜污染预测中的应用研究，部分代表性应用成果见表3。

相关研究表明，在MBR膜污染预测模型中，简单神经网络因为具有高预测精度与高效性，在短时间内仍然是研究人员运用的主流工具。但是，随着优化算法的运用以及深度神经网络的开发，结合优化算法的ANN与深度学习ANN在面对更复杂环境中更具优势，有望替代简单神经网络成为未来研究膜污染预测模型的主要工具。

表3　2016—2020年ANNs在膜生物反应器膜污染模拟的应用

虽然ANN模型已被用于MBR膜污染的预测，但是研究表明，ANN模型用于MBR膜污染预测研究仍存在以下缺陷，是未来研究的重要方向：

（1）ANN本质上属于“黑箱”模型，目前由于神经网络结构的特殊性难以对中间过程进行解释。因此，未来的研究可以侧重于通过解析神经网络的复杂结构来厘清影响因子对膜污染的具体作用。

（2）ANN模型存在权值多、建模过程长等缺陷。因此未来膜污染预测模型的发展趋势是优先使用更多优化的线性和非线性数据分析方法对数据进行降维或特征提取，从而减少数据的复杂程度，进而提高模型预测的精度并减少建模时间。

（3）目前ANN模型应用于中试和工业化规模的MBR膜污染预测较少，亟需基于长期实际运行的数据建立ANN膜污染预测模型，构建完备的预测体系，为调整污水处理厂运行操作条件提供技术支持，进而提高其运行效率、减缓膜污染并降低污水处理成本。

第一作者 ：张浩良，浙江工业大学环境学院王红宇课题组硕士研究生，主要从事膜法水处理相关的研究。E-mail：zhanghlzj@163.com

通讯作者 ：王侃鸣，博士，硕士生导师。浙江工业大学环境学院王红宇教授课题组青年教师，主要从事污水处理与资源化的研究，围绕膜生物反应器污水处理技术开展相关工作，主要研究内容包括膜污染机理与调控、新兴微污染物的削减、高效厌氧污水处理技术等。主持国家自然科学基金（青年）、中国博士后面上资助（二等）、浙江省教育厅一般科研等项目，参与国家自然科学基金（面上）项目1项，承担多项企业横向项目。近五年以第一/通讯作者在Water Res., J. Membrane. Sci., J. Hazard. Mater.等国内外期刊发表SCI论文10余篇，授权发明专利1项。E-mail：kmwang@zjut.edu.cn。