Video Experimental Relacionado
Updated: May 24, 2026
Measuring the Shape and Size of Activated Sludge Particles Immobilized in Agar with an Open Source Software Pipeline
Published on: January 30, 2019
Predicción de la inestabilidad estructural del lodo granular aerobio: un marco inteligente de alerta temprana que
Jie Lei1, Zhanfei Wu2, Zhe Liu3
1School of Environmental and Municipal Engineering, Xi'an University of Architecture and Technology, Yan Ta Road. No.13, Xi'an, 710055, China.
Un modelo inteligente de alerta temprana (EPS-ResNet) predice la desestabilización estructural del lodo granular aerobio (AGS) con 6 días de antelación. Este modelo analiza la fluorescencia de las sustancias poliméricas extracelulares (EPS), permitiendo la detección temprana de estados críticos en el tratamiento de aguas residuales.
Área de la Ciencia:
- Biotecnología Ambiental
- Tratamiento de Aguas Residuales
- Ecología Microbiana
Sus antecedentes:
- El lodo granular aerobio (AGS) ofrece ventajas sobre el lodo activado, pero sufre de inestabilidad estructural y carece de sistemas de alerta temprana para estados críticos.
- Los métodos existentes no logran predecir eventos de desestabilización, lo que dificulta la implementación confiable de la tecnología AGS en el tratamiento de aguas residuales.
Objetivo del estudio:
- Desarrollar un modelo inteligente de alerta temprana para predecir la desestabilización estructural del lodo granular aerobio (AGS).
- Identificar las características clave de fluorescencia y las comunidades microbianas asociadas con la inestabilidad del AGS.
- Establecer un marco escalable e interpretable a nivel mecanicista para la alerta temprana en sistemas de tratamiento biológico.
Principales métodos:
- Desarrollo de un modelo de alerta temprana (EPS-ResNet) que utiliza redes neuronales convolucionales multivista.
- Análisis de las características de fluorescencia en los espectros de excitación-emisión (EEMs) de sustancias poliméricas extracelulares (EPS) débilmente/fuertemente unidas (LB-EPS/TB-EPS).
- Integración de análisis de sensibilidad de oclusión, segmentación de regiones de fluorescencia, análisis de microbioma y pruebas de Mantel.
Principales resultados:
- El modelo EPS-ResNet logró una predicción de desestabilización estructural de AGS con 6 ± 1 días de antelación con una precisión del 97,6%.
- Se identificaron regiones de fluorescencia clave (Región I de TB-EPS, Región IV de TB-EPS, Región IV de LB-EPS) como críticas para la alerta temprana.
- El análisis del microbioma vinculó el rendimiento del modelo con la sucesión dinámica de filos dominantes (Bacteroidota, Patescibacteria) y géneros (Flavobacterium, Thauera).
Conclusiones:
- El modelo EPS-ResNet desarrollado proporciona un sistema de alerta temprana confiable y preciso para la desestabilización estructural del AGS.
- El marco integra el análisis de fluorescencia y la dinámica del microbioma, ofreciendo información mecanicista sobre la inestabilidad del AGS.
- El marco de alerta temprana es extensible a otros sistemas de tratamiento biológico, promoviendo la operación y el mantenimiento inteligentes.
