在试点研究和基于数据的建模中使用二氧化预氧化对受管制和不受管制的消毒副产品形成的评估

科学领域:

• 环境化学环境化学
• 水处理技术水处理技术
• 预测建模预测建模

背景情况:

• 二氧化 (ClO2) 是一种有希望的替代消毒剂,有可能减少受监管的有机消毒副产品 (DBPs).
• 了解在ClO2前氧化和延迟化下DBP的形成,对于优化水处理至关重要.
• 现有的水处理厂经常使用和胺,导致DBP水平更高.

研究的目的:

• 研究ClO2预氧化和延迟化对受管制和不受管制的DBPs的影响.
• 评估和比较机器学习模型 (ANN,XGBoost,SVM) 以根据原水质量预测DBP水平.
• 开发一种新的复合建模方法,以提高DBP预测的准确性和通用性.

主要方法:

• 试点规模研究模拟ClO2前氧化和延迟化.
• 对各种DBP的分析,包括THM,HAA,HNM,化,化和酸盐.
• 对ANN,XGBoost和SVM回归模型的比较评估,包括使用LOOCV子模型的新型复合模型方法.

主要成果:

• 试点系统中的DBP水平大约是使用和胺的实体工厂中发现的10%左右.
• 复合XGBoost模型在预测THM,HAA,化物和酸盐方面表现最好.
• 复合XGBoost模型的测试根平均平方误差为0.113.32μg/L,对于个别的DBP物种.

结论:

• 与传统方法相比,ClO2预氧化和延迟化有效地减少了DBP的形成.
• 数据驱动的复合XGBoost模型为关键的DBP物种提供了准确的预测.
• 这些预测模型支持决策,以优化水处理策略,以确保监管合规和有效消毒.