在使用长短期内存自编码器的试点有氧膜生物反应器单元的压力数据中检测单变异异常
Theofilos Xenitopoulos1, Argyrios Anagnostopoulos2, Dimitrios Sioutopoulos3
1Department of Mechanical Engineering, Aristotle University of Thessaloniki, 54124, Thessaloniki, Greece.
Environmental research
|December 12, 2025
概括
这项研究引入了一种新方法,用于检测使用长短期记忆 (LSTM) 自动编码器的有氧膜生物反应器 (aMBR) 系统中的异常. 该方法有效地使用试点规模数据实时识别膜污染和操作问题.
科学领域:
- 环境工程 环境工程
- 水处理技术水处理技术
- 环境科学中的人工智能
背景情况:
- 膜污染显著影响有氧膜生物反应器 (aMBR) 的性能,增加成本并降低废水质量.
- 早期检测膜污染对于稳定的运行和防止aMBR中停机至关重要.
- 施加压力是aMBR系统中污染和运行状态的关键指标.
研究的目的:
- 开发和验证一个新的单变异异常检测方法用于aMBRs的膜压力.
- 提高aMBR系统的实时监控和运营效率.
- 使用长短期内存 (LSTM) 自动编码器来识别应用压力的偏差,表明污染或操作问题.
主要方法:
- 利用试点规模的aMBR处理纸和纸张废水的实验数据.
- 训练了一个LSTM自编码器模型来学习应用膜压力的正常时间模式.
- 使用模拟的传感器故障和不可逆转的污染场景测试了模型检测异常的能力.
主要成果:
- LSTM自动编码器实现了高性能,重建了未见的正常数据,R2值为0.996.
- 该模型成功地在实例研究中实时识别了模拟传感器故障和污染的异常.
- 证明了该模型在实际试点规模的操作数据上的有效性,比合成数据集提供了更具代表性的见解.
结论:
- LSTM自动编码器是实时检测aMBR施加压力中的异常的有效工具.
- 拟议的方法促进了预测性维护,并改善了废水处理过程的管理.
- 这种方法为aMBR系统的运营效率和稳定性提供了一条途径.
