| 基于机器学习的饮用水厂处理工艺藻类穿透规律与藻嗅贡献解析 |
| 摘要点击 592 全文点击 20 投稿时间：2025-07-03 修订日期：2025-09-29 |
| 查看HTML全文
查看全文 查看/发表评论 下载PDF阅读器 |
| 中文关键词 机器学习 沙普利加性解释（SHAP） 水处理工艺 藻类穿透 藻源嗅味 |
| 英文关键词 machine learning SHapley Additive exPlanations（SHAP） water treatment processes algal breakthrough algae-derived odors |
| DOI 10.13227/j.hjkx.202507045 |
| 作者 | 单位 | E-mail | | 程亚 | 西安建筑科技大学西北水资源环境与生态教育部重点实验室, 西安 710055
西安建筑科技大学陕西省环境工程重点实验室, 西安 710055
西安建筑科技大学陕西省水污染控制与水质安全保障协同创新中心, 西安 710055 | chengya@xauat.edu.cn | | 吴永鹏 | 西安建筑科技大学西北水资源环境与生态教育部重点实验室, 西安 710055
西安建筑科技大学陕西省环境工程重点实验室, 西安 710055
西安建筑科技大学陕西省水污染控制与水质安全保障协同创新中心, 西安 710055 | | | 马彩云 | 西安建筑科技大学西北水资源环境与生态教育部重点实验室, 西安 710055
西安建筑科技大学陕西省环境工程重点实验室, 西安 710055
西安建筑科技大学陕西省水污染控制与水质安全保障协同创新中心, 西安 710055 | | | 文刚 | 西安建筑科技大学西北水资源环境与生态教育部重点实验室, 西安 710055
西安建筑科技大学陕西省环境工程重点实验室, 西安 710055
西安建筑科技大学陕西省水污染控制与水质安全保障协同创新中心, 西安 710055 | | | 王军锋 | 西安市自来水有限公司, 西安 710055 | | | 王峰林 | 西安市自来水有限公司, 西安 710055 | | | 黄廷林 | 西安建筑科技大学西北水资源环境与生态教育部重点实验室, 西安 710055
西安建筑科技大学陕西省环境工程重点实验室, 西安 710055
西安建筑科技大学陕西省水污染控制与水质安全保障协同创新中心, 西安 710055 | |
|
| 中文摘要 |
| 针对饮用水处理工艺中藻类属级去除效能异质性及嗅味协同控制难题，以典型水源地水厂为对象，通过为期8个月（4~11月）的全流程监测，结合随机森林回归与SHAP可解释性机器学习方法，系统解析了混凝-沉淀、过滤及消毒工艺对32个藻属的去除规律，并筛选出不同藻源嗅味物质的主要产生藻属. 结果表明，混凝-沉淀工艺对颤藻属和针杆藻属去除效率高，而微囊藻属、拟浮丝藻属以及假鱼腥藻属等易穿透沉淀单元；过滤工艺对大部分藻属的去除效果都比较好，但鞘丝藻属等由于其藻丝体柔韧性的原因仍可以穿透滤池；消毒工艺对颤藻属和鱼腥藻属的灭活效果比较好，对拟浮丝藻属等几乎无效. 通过藻源嗅味物质的来源筛选发现，2-甲基异莰醇（2-MIB）的主要生物源为鱼腥藻属，土臭素（GSM）的主要生物源为颤藻属，β-环柠檬醛（β-cyclo）的主要生物源为微囊藻属. 研究较为全面地分析了水处理工艺对藻类属级去除的敏感性差异特征，为水厂工艺动态优化与嗅味事件风险防控提供了数据驱动的理论依据. |
| 英文摘要 |
| To address heterogeneous algal removal efficacy at the genus level and synergistic odor control challenges in drinking water treatment processes， this study conducted comprehensive 8-month （April to November） full-process monitoring at a typical water treatment plant. By integrating random forest regression with SHAP interpretable machine learning， we systematically analyzed removal patterns of 32 algal genera across coagulation-sedimentation， filtration， and disinfection processes while achieving biological source tracking of algae-derived odorants. The results showed that coagulation-sedimentation effectively removed Oscillatoria and Synedra， whereas Microcystis， Planktothrix， and Pseudanabaena exhibited high breakthrough potential. Filtration achieved substantial removal for most genera， though flexible filaments of Lyngbya caused filter penetration. Disinfection efficiently inactivated Oscillatoria and Anabaena but proved ineffective against Planktothrix. Source tracking identified Anabaena as the primary producer of 2-MIB， Oscillatoria for geosmin （GSM）， and Microcystis for β-cyclocitral. This study comprehensively characterizes process-specific algal removal susceptibility， providing a data-driven foundation for dynamic process optimization and odor risk control in water treatment plants. |
