高效多功能纳米混凝剂的分子设计,作用机理与产业化

项目组针对水处理领域,复杂源水水质及复合污染情况下,传统水处理混凝工艺对微细污染物去除效率低、处理处置综合成本高等问题,在揭示传统混凝药剂形态转化过程及其理化特征演变基础上,通过分子结构设计优化及功能性化学组分的引入,开发了强化电中和效应的高电荷纳米药剂,优化絮体形态的无机-有机复配药剂,提高有机物去除的吸附-混凝耦合药剂等一系列多功能强化混凝新型药剂,构建了针对不同水体的多级絮体的形成与调控、反应过程的优化与监控体系,实现对不同复合污染特征水体的优化混凝技术的个性化设计,形成优化混凝-深度过滤耦合技术体系,有效提升了微细污染物的去除效果。项目所研发的高效多功能纳米混凝药剂与技术成功应用于145个水处理项目,服务人口6685.5万人,效益显著。

小样本数据下基于K-Means聚类和集成学习的混凝投药预测

为了解决混凝投药预测过程中的小样本问题,提出基于K-Means聚类和集成学习的PAC投加量预测方法。首先,根据原水浊度和水温2个特征采用K-Means聚类将水质分为3类,利用分层抽样从3类水质数据中抽取训练集和测试集;其次,基于Bagging集成学习算法,构建由支持向量机、随机森林、Adaboost、GBDT、Catboost、XGBoost和LightGBM共7种学习器组成的PAC投加量集成预测模型(KM-Bagging);最后,以银川市某给水厂2021—2022年的运行数据为例进行验证。结果表明,KM-Bagging模型对小样本的PAC投加量具有较高预测精度,R^(2)超过0.8,MAPE小于5%。采用6个月和9个月的日监测数据预测PAC投加量,适合数据监测时间短、精度要求不高的情况,预测结果可为原水水质发生突变时的PAC投加量调整提供参考。采用1年的日监测数据预测PAC投加量,预测精度能够满足工程应用的要求,可为水厂实际PAC投加提供辅助指导。研究结果对小样本数据下的混凝药剂投加建模与预测具有参考价值。