祝贺由课题组张延扬博士、研究生高翔等完成的论文“Integrating Water Quality and Operation into Prediction of Water Production in Drinking Water Treatment Plants by Genetic Algorithm Enhanced Artificial Neural Network”近日被Water Research正式接收。
生产和供给安全、足量的饮用水是保证社会正常运转的先决条件，然而饮用水标准的日益严格和水源水质的不断恶化都严重挑战了饮用水处理厂的生产能力。包括威立雅在内的水务企业都提出了产水量预测的迫切需求，这激励了水厂整体表现预测模型的开发。然而，饮用水处理体系的复杂性使得水厂整体表现无法通过常规机理模型进行定量描述，数据型模型也仅见于水厂单独处理单元的预测。
针对上述问题，近期潘丙才教授课题组和清华大学及Veolia水务 合作，通过结合人工神经网络与遗传算法，开发了混合统计模型HANN，以水质指标和操作参数作为输入变量，实现了对中国45个饮用水厂的月度产水量的准确预测。研究表明，HANN模型相比于独立的多层人工神经网络模型展现出更强的预测能力和鲁棒性，且预测准确度随着训练数据的增加而显著提高，R2 可达到0.93水平；敏感性分析表明，水厂产水量与水质参数、操作参数以及参数的交互作用密切相关；情景分析表明HANN具备成为水厂综合管理工具的能力。这一研究对于饮用水处理厂的智慧化管理提供了新思路。
