通过基于分类的PMF和机器学习准确识别污泥污染源,同时考虑下水道网络分布差异
Chen Qiaoyu1, Hu Yanyan1, Chen Yue1
1Chongqing Key Laboratory of Germplasm Innovation and Utilization of Native Plants, Chongqing Landscape and Gardening Research Institute, 401329 Chongqing, China.
The Science of the total environment
|November 18, 2023
概括
这项研究使用基于分类的方法改善了废水污泥中的污染源识别. 该方法精确地确定了电行业的污染物,提高了废水处理厂的环境风险评估.
科学领域:
- 环境科学 环境科学
- 环境化学环境化学
- 废水处理 废水处理
背景情况:
- 传统的来源识别方法,如正矩阵因子化 (PMF),对于大规模的污染分析,往往会产生模两可的结果.
- 根据其管道网络和处理范围,废水处理厂 (WWTP) 可以分为城市 (T1) 和农村 (T2).
- 与农村地区相比,工业污染对城市的水利工程有很大影响.
研究的目的:
- 开发和应用基于分类的方法,以准确识别废水污泥中的污染源.
- 为了区分城市 (T1) 和农村 (T2) 废水处理厂之间的污染贡献.
- 确定影响污泥质量的特定污染物及其工业来源.
主要方法:
- 环保工程的分类为T1 (城市,大规模,工业连接) 和T2 (农村,小规模).
- 应用正矩阵分解 (PMF) 来评估污染源的贡献.
- 利用基于污染物度的机器学习算法 (Random Forest,Adaboost) 来进行污泥分类.
- 地理信息系统 (GIS) 的分析,以将WWTP的环境风险与工业园区的近距离相关联.
主要成果:
- 工业污染在T1污泥中是T2污泥的3.4倍.
- 确定的主要污染物是 (Zn),铜 (Cu), (Ni) 和化物,强烈表明电行业的来源.
- 地理信息系统分析显示,高风险的水上工厂与20公里半径内的电工业园区之间存在显著的相关性.
结论:
- 基于分类的分析显著提高了废水污泥中大规模污染源识别的准确性.
- 电行业是城市废水污泥污染的主要原因之一.
- 将分类方法与化学分析和地理信息系统相结合,为环境风险评估和管理提供了一个强大的框架.
