预测花化-DAF中蓝色细菌去除效率:通过CVAE数据增强改进可解释的自动机器学习
Xiao Zhao1, Zijun Yang2, Jianjian Wei3
1Key Laboratory of Integrated Regulation and Resources Development on Shallow Lakes of Ministry of Education, College of Environment, Hohai University, Nanjing 210098, China.
Water research
|November 25, 2025
概括
这项研究引入了一种可解释的机器学习框架,以优化使用溶化空气漂浮 (DAF) 来消除蓝藻细菌. 该模型准确地预测了效率,并确定了改善水处理的关键操作参数.
科学领域:
- 环境科学 环境科学
- 水处理技术水处理技术
- 机器学习应用 机器学习应用
背景情况:
- 化溶解空气漂浮 (DAF) 对于蓝藻细菌的分离至关重要.
- 优化DAF效率是复杂的,因为水质,菌和操作因素之间的相互依赖.
- 数据稀缺性阻碍了对DAF流程的准确预测和控制.
研究的目的:
- 开发一种可解释的机器学习框架,用于预测DAF中蓝藻细菌去除效率.
- 确定影响DAF业绩的关键操作参数.
- 为了实现准确的预测和优化DAF系统策略.
主要方法:
- 开发了一个可解释的机器学习框架,将条件变量自动编码器 (CVAE) 与H2O AutoML集成.
- 利用CVAE进行数据增强,通过生成合成样本来解决数据稀缺问题.
- 采用模型解释性分析来确定有影响力的变量.
主要成果:
- CVAE-AutoML模型实现了高预测准确性 (R2 = 0.98),超过了传统和唯一的AutoML模型.
- 确定了漂浮时间,剂剂量和蓝藻细菌密度作为关键影响变量.
- 量化了特定操作参数对蓝藻细菌去除效率的影响.
结论:
- 开发的框架准确地预测了DAF系统中蓝色细菌去除效率.
- 通过识别关键参数,提供了对优化 DAF 运营策略的宝贵见解.
- 为了解和改进水处理过程提供了强大的方法.
