為實現(xiàn)《巴黎協(xié)定》與可持續(xù)發(fā)展目標(biāo)，膜技術(shù)在污水資源化領(lǐng)域的作用日益關(guān)鍵。膜生物反應(yīng)器（MBR）技術(shù)雖具備諸多優(yōu)勢，但其較高能耗（0.4–1.6 kWh m ?3）主要源于膜污染問題，成為制約其可持續(xù)發(fā)展的瓶頸。精準預(yù)測與主動控制膜污染是實現(xiàn)低碳運行的核心。然而，大規(guī)模污水工程中水質(zhì)條件復(fù)雜多變，使得傳統(tǒng)理論模型應(yīng)用受限。人工智能（AI）技術(shù)為處理此類復(fù)雜問題提供了新途徑，但模型精準預(yù)測依賴于全面且具代表性的輸入數(shù)據(jù)。當(dāng)前監(jiān)測方法多聚焦污染物整體濃度，缺乏分子細節(jié)信息，且難獲連續(xù)實時數(shù)據(jù)，導(dǎo)致污染控制滯后被動，無法滿足先進前饋控制的需求。

鑒于此，中國科學(xué)院大學(xué)肖康副教授團隊以及清華大學(xué)環(huán)境學(xué)院黃霞創(chuàng)新性地提出一種光譜傳感賦能的機器學(xué)習(xí)策略，用于MBR膜污染的預(yù)測與早期預(yù)警，并在全尺寸工程中長期驗證。通過融合紫外-可見（UV-vis）與熒光光譜指紋——這些指紋能靈敏反映導(dǎo)致污染的關(guān)鍵分子結(jié)構(gòu)——構(gòu)建了數(shù)據(jù)與知識協(xié)同驅(qū)動的機器學(xué)習(xí)模型。該模型能準確預(yù)測未來5-7天的污染趨勢（R2 > 0.80），優(yōu)于純數(shù)據(jù)驅(qū)動模型。光譜指紋貢獻了模型17-30%的可解釋性。該策略有望推廣至不同污水處理廠，為實現(xiàn)穩(wěn)定運行、助力清潔環(huán)境提供智能解決方案。相關(guān)研究成果以題為“Intelligent fouling monitoring in membrane-based wastewater treatment”發(fā)表在最新一期《nature sustainability》上。

【膜污染與溶解性有機物的關(guān)聯(lián)】

作者在一個處理能力為50,000 m3 d?1、代表中國北方市政污水處理的全尺寸MBR中，觀察了膜污染的長期發(fā)展。在12個月的監(jiān)測期間（圖1a），膜過濾在準恒定通量（11.88 ± 1.44 L m?2 h?1）下運行?？缒毫Γ═MP）在6.0–20.6 kPa范圍內(nèi)變化。使用溫度校正后的過濾水力阻力（R）量化膜污染程度，R在監(jiān)測期間持續(xù)增長。溶解性有機物（DOM）誘導(dǎo)形成的凝膠層是實際工程中膜污染的主因。與凝膠階段相關(guān)的污染潛力指數(shù)（Kgel）與現(xiàn)場實測的總污染速率顯著相關(guān)（圖1c），證明DOM在凝膠層形成階段貢獻突出。僅憑DOM濃度（如多糖、蛋白質(zhì)）難以準確預(yù)測污染，提示需深入分子層面研究。

圖 1. 全規(guī)模污水處理廠中的膜污行為

【導(dǎo)致膜污染的分子結(jié)構(gòu)】

DOM結(jié)構(gòu)的多層次化學(xué)分析揭示了不飽和及含氧特征的重要性及其與污染行為的關(guān)系。通過超高效液相色譜-質(zhì)譜（UHPLC-MS）、X射線光電子能譜（XPS）、傅里葉變換紅外光譜（FTIR）和拉曼光譜提取了DOM的分子細節(jié)。分析表明，有機酸及其衍生物以及含氧有機組分是最重要的變量，其特征是包含苯環(huán)、羧基和酰胺鍵的不飽和結(jié)構(gòu)（圖2a）。XPS進一步證明了在整個監(jiān)測期間，與氧相關(guān)的化學(xué)鍵（尤其是O-C和O=C鍵）隨時間的變化（圖2b）。

圖 2. 污垢物質(zhì)的分子結(jié)構(gòu)

DOM的分子結(jié)構(gòu)與膜污染行為相關(guān)。斯皮爾曼相關(guān)性分析發(fā)現(xiàn)，凝膠型污染指數(shù)（Kgel）與對應(yīng)于苯環(huán)、含氧基團和酰胺的拉曼/FTIR波數(shù)處的信號強度之間存在顯著相關(guān)性（圖2c, d）。多光譜結(jié)果的方差分析和相關(guān)性分析表明，不飽和和含氧結(jié)構(gòu)，特別是那些帶有取代基或雜原子的芳香環(huán)，是污染物質(zhì)的重要特征，可影響污染物-污染物及污染物-膜的相互作用。圖3證明通過質(zhì)譜（UHPLC-MS）分析得到的特定關(guān)鍵分子結(jié)構(gòu)（尤其是不飽和及含氧結(jié)構(gòu)），能夠與快速獲取的光譜指紋（UV-vis和FEEM）指標(biāo)建立顯著統(tǒng)計關(guān)聯(lián)。

圖 3. 分子結(jié)構(gòu)性質(zhì)與紫外可見光譜及 FEEM 光譜的相關(guān)性。

【指示凝膠層污染的光譜指紋】

UV-vis和熒光光譜能有效指示膜污染。UV-vis吸光度與Kgel的穩(wěn)健R2達0.4–0.6（圖4a）。熒光強度在廣泛波長范圍內(nèi)與Kgel具強相關(guān)性及重要性（圖4b）。冗余分析顯示，71.6%的污染潛力方差可由光譜指紋解釋（圖4c）。其中，熒光峰B（Ex/Em = 275/340 nm）與Kgel關(guān)聯(lián)最強，是凝膠層污染的靈敏指標(biāo)；峰T（Ex/Em = 220–250/250–330 nm）和UVA254則是整體污染傾向的有效指標(biāo)。需聯(lián)合使用這四個關(guān)鍵光譜指紋，可解釋Kgel方差的52.5%，為建模奠定基礎(chǔ)。

圖 4. 紫外可見和 FEEM 光譜指紋對污垢潛力的指示

【光譜指紋融合機器學(xué)習(xí)實現(xiàn)污染預(yù)測】

研究構(gòu)建了“物理信息光譜特征工程”框架，篩選出關(guān)鍵光譜指紋（UVA254、FI-I、峰B、峰T），并與工藝條件、膜狀態(tài)等變量融合，作為輸入預(yù)測未來污染。研究對比了隨機森林（RF）、支持向量回歸（SVR）和長短期記憶網(wǎng)絡(luò)（LSTM）三種機器學(xué)習(xí)模型。所有模型對未來5-7天的污染預(yù)測表現(xiàn)優(yōu)異（R2 > 0.80），超越了僅使用工藝數(shù)據(jù)的純數(shù)據(jù)驅(qū)動模型。光譜指紋為模型可解釋性貢獻了17-30%。該策略降低了對海量數(shù)據(jù)的依賴，展示了在不同膜池間外推應(yīng)用的潛力。

圖 5. 光譜指紋融合可解釋機器學(xué)習(xí)的模型性能

【總結(jié)與展望】

光譜指紋技術(shù)能夠快速、靈敏地關(guān)聯(lián)污染物分子特性與污染行為，極大豐富了污水工程的信息維度，為智能預(yù)警與調(diào)控提供了新范式。面對污水系統(tǒng)的復(fù)雜性，在有限數(shù)據(jù)下實現(xiàn)精準AI建模需平衡性能與可解釋性。本研究證明，融合光譜指紋的物理知識進行特征工程，能以更簡單結(jié)構(gòu)和更低成本提升模型性能與泛化能力，形成了一種高效的數(shù)據(jù)-知識協(xié)同驅(qū)動建模策略。未來，此預(yù)警框架可與自動控制系統(tǒng)集成，實現(xiàn)工藝的精準前饋控制，推動污水處理廠向智能化、可持續(xù)化方向發(fā)展。