应用机器学习算法和特征选择方法,以更好地预测真实先进的生物废水处理厂中的污泥产量
Ekin Ekinci1, Bilge Özbay2, Sevinç İlhan Omurca3
1Sakarya University of Applied Sciences, Faculty of Technology, Computer Engineering Department, Sakarya, Turkey.
Journal of environmental management
|November 6, 2023
概括
精确的污水污泥产量预测对于废水处理至关重要. 机器学习模型,特别是Kernel Ridge回归,为快速可靠的估计提供了可行的解决方案,帮助工厂运营商.
科学领域:
- 环境工程 环境工程
- 水处理技术 水处理技术
- 废水管理 废水管理
背景情况:
- 污水污泥管理是污水处理的关键,但尚未研究的方面.
- 精确预测污水污泥产量对于高效的工厂运营和资源管理至关重要.
- 现有的研究缺乏全面的模型来预测污水污泥的产生.
研究的目的:
- 开发一个准确和快速的模型来预测污水污泥产量 (SP).
- 为此预测任务评估各种机器学习 (ML) 算法的有效性.
- 通过特征选择和分析,确定影响污泥生产的关键参数.
主要方法:
- 利用来自先进生物废水处理厂的每日数据 (2022年1月至12月).
- 应用了ML算法,包括Kernel Ridge回归,输入参数如流速 (Q),多电解质剂量 (PD) 和移除的污染物 (TSS,COD,BOD,TP,TN).
- 采用特征选择技术 (MIFS,CFS) 和SHapley添加式解释 (SHAP) 进行模型增强和可解释性.
主要成果:
- 核心回归实现了最高的准确性,R2值为0.94和MAE为3.25.
- 特性选择方法通过识别最具影响力的参数来提高预测准确性.
- SHAP分析提供了关于每个特征对污泥生产预测的贡献的见解.
结论:
- 机器学习模型对于准确描述污水污泥生产的复杂动态非常可行.
- 开发的模型允许使用易于测量的参数快速和可靠地估计污水污泥.
- 这种方法为废水处理厂运营商提供了切实实用的好处,可以有效地管理污泥.
