MBR中膜污染的人工神经网络预测研究进展

膜生物反应器（MBR）污水处理作为一种新型废水处理技术，具有广阔的应用前景。然而，膜污染是因素MBR瓶颈问题的进一步发展。近年来，随着数学算法和计算机技术的发展（ANN）应用于机器学习算法MBR的膜污染预测成为研究的热点。总结了膜污染的影响因素，探讨了膜污染预测的优缺点，总结了近年来国内外学者的简单应用ANN、优化算法ANN和深度学习ANN对MBR研究膜污染预测，提出优化算法ANN与深度学习ANN面对复杂的环境更有优势。此外，还讨论了当前的应用ANN机器学习算法预测膜污染的缺陷，指出ANN中试和工业化规模的模型MBR膜污染预测应用较少，展望其未来发展。

膜生物反应器（Membrane bioreactor，MBR）是将活性污泥法与膜分离技术相结合的废水处理技术，具有水质好、负荷高、占地面积小等优点〔1-2〕。目前，大(10 000 m3/d）和超大型（100 000 m3/d）MBR污水处理厂已建成并投入使用，包括中国、美国和欧洲。据预测，中国规模较大MBR污水处理厂将超过300个，总污水处理规模可达1 500万t/d〔2〕。但膜污染会导致跨膜压差（Transmembrane pressure，TMP）膜通量的上升和下降增加MBR运营成本成为限制MBR瓶颈问题得到广泛应用〔3〕。

机器学习（Machine learning，ML）它是一种基于以往经验或数据的技术，不仅用于农业、气候、安全、教育、医学等行业〔4〕，也广泛应用于污水处理领域。人工神经网络（Artificial neural network，ANN）机器学习模型不仅具有参数少、预测性能好、泛化能力强等优点〔5〕，非线性映射能力强，学习能力强，黑箱建模能力强。因此，应用ANN模型进行膜污染预测无需考虑复杂的膜污染中间过程，只需考虑与膜污染相关的指标即可。石宝强等〔6〕早在2006年就进行了综述ANN在MBR然而，随着膜污染预测的应用研究MBR深入研究膜污染机制ANN近年来，迫切需要对模型理论和技术的发展进行新的总结。而F. SCHMITT等〔7-8〕人工智能虽然用于预测膜污染，但对传统数学模型与神经网络模型的差异缺乏深入分析。在此基础上，作者简要介绍了影响膜污染的因素，比较了传统数学模型与人工神经网络模型的区别和优缺点，总结了近年来ANN模型在膜污染预测中的应用和优缺点，并展望其未来的发展。

1 影响膜污染的因素

与膜污染密切相关的主要因素是膜材料、反应器操作条件和污泥混合物特性〔9〕，具体参数见图1。

从图1可以看出，影响膜污染的因素很多，相互影响，因此很难澄清其具体作用。例如，进水水质和污泥停留时间（Sludge retention time，SRT）水力停留时间（Hydraulic retention time，HRT）操作条件的变化不仅会直接影响膜污染，还会改变污泥混合物的特性，从而改变膜污染率〔10〕。

早期研究人员建立了关于操作条件、膜通量、滤阻等参数的数学模型〔11-15〕。此后，研究建立了污泥混合液特性的表达〔例如，混合液悬浮固体浓度（Mixed liquid suspend solids，MLSS）、颗粒粒径（Particle size distribution，PSD）、溶解微生物产物（Soluble microbial products，SMP）等〕与膜污染有关的数学模型〔16-18〕。然而，这些传统的数学模型通常是指数经验模型，通常需要通过许多假设简化计算，参数的物理意义不明确，预测精度低，通用性差〔6-7〕。然而，这些传统的数学模型通常是指数经验模型，通常需要通过许多假设简化计算，参数的物理意义不明确，预测精度低，通用性差〔6-7〕。因此，开发能够更准确地预测膜污染的模型对膜污染控制及其机制研究具有重要意义。

膜污染模型的建设需要选择适当的影响因素作为输入变量，并找到变量与膜污染之间的关系。因此，明确膜污染因素的相互作用及其对膜污染的影响是构建膜污染预测模型的前提。

1.1 膜材料性质

膜材料的性质包括膜材料、亲疏水性和粗糙度〔19〕，这些性质会显著影响膜表面污染物的迁移和转化，进而影响膜污染。例如，Y. JEONG等〔20〕比较了Al2O陶瓷膜和聚偏氟乙烯（Polyvinylidene fluoride，PVDF）发现陶瓷膜的膜污染率较低。膜的亲疏水性也与膜污染密切相关。通过表面改性和共混改性，大量研究提高了膜表面的亲水性，从而减缓了膜污染〔21〕。此外，膜表面的粗糙度也与膜污染有关。例如，一些学者发现，粗糙的膜表面有利于膜上胶体颗粒的积累，导致膜孔堵塞，导致严重的膜污染〔19〕。

1.2操作参数

不同的MBR系统的运行条件也会影响膜污染，主要包括进水水质、运行温度、SRT、HRT、流量和曝气强度错误等。SRT与HRT是影响MBR处理效能、污泥混合液特性和膜污染的重要因素。一般认为SRT此外，更长的增加会降低污泥活性和絮体尺寸SRT促进内源性衰变和细胞裂解SMP的增加〔22〕。例如，厌氧MBR的研究中，Zhi HUANG等〔23〕比较了不同SRT（30 d、60 d、∞）结果表明，膜污染的影响较长SRT下厌氧MBR会积累更多的蛋白质和多糖，MLSS膜污染率增加。对于HRT比较短HRT有机负荷会增加，导致微生物分泌更多的胞外聚合物（Extracellular polymeric substances，EPS）和SMP，从而提高膜污染率。例如，N. FALLAH等〔24〕比较了不同HRT结果表明，随着膜污染的影响，HRT的降低，EPS和SMP污泥混合物粘度明显增加，导致膜污染率高。此外，减少膜表面颗粒物沉积也是减缓膜污染的常用方法，如增加膜表面错流速和曝气强度。Yingyu AN等 〔25〕在厌氧MBR发现在一定范围内增加甲烷生物气体曝气强度可以减缓膜污染，但过高的曝气强度会破坏污泥絮凝剂，降低污泥颗粒的平均粒径，更容易形成致密的膜污染层，提高膜污染率。

1.3 污泥混合物的特性

影响膜污染的污泥混合物的特性主要包括MLSS、EPS和SMP等。尽管MLSS影响膜污染的主要因素不是，但过高MLSS（>15 g/L）会增加混合物的粘度，导致膜污染率提高，过低MLSS（
来源：工业水处理

大家都在搜索的问题