机器学习辅助的预测和确定影响有氧颗粒污泥中代谢的关键因素
Huiping Li1, Li Xie1, Baiqin Zhou2
1Key Laboratory of Yangtze River Water Environment, Ministry of Education, College of Environmental Science and Engineering, Tongji University, Shanghai, 200092, China.
Environmental research
|February 20, 2025
概括
这项研究使用机器学习来预测有氧颗粒污泥 (AGS) 系统中的去除. 粒子大小和碳源等关键因素显著影响脱效率.
科学领域:
- 环境科学 环境科学
- 生物技术是生物技术.
- 废水处理 废水处理
背景情况:
- 有氧颗粒污泥 (AGS) 系统提供高效的废水处理,但需要优化以实现更高的脱.
- 了解AGS中的碳和代谢对于提高效率和减少能源使用至关重要.
研究的目的:
- 开发可解释的机器学习模型来模拟AGS系统中的代谢.
- 确定影响AGS中脱效率的关键因素.
主要方法:
- 从四个AGS反应堆收集了312个数据集.
- 使用渐变增强决策树 (GBDT) 用于预测建模.
- 使用Shapley添加式解释 (SHAP) 进行模型解释.
主要成果:
- GBDT模型准确地预测了度 (R2值高达0.875).
- 确定了AGS粒子大小和特定的碳源组件 (C4) 作为重要因素.
- 确定了粒子大小和碳源的最佳范围,以提高去除效果.
结论:
- 可解释机器学习为评估AGS性能提供了有效的工具.
- 识别关键因素可以实现对AGS系统中脱过程的有针对性的优化.
- 这项研究有助于实现更高的脱效率,降低能源消耗.
