摘要：【目的】针对给水处理中磺胺类抗生素[磺胺甲恶唑（SMZ）、磺胺氯哒嗪（SCP）]与嗅味物质[2-甲基异茨醇（2-MIB）、土臭素（GSM）]等典型新污染物浓度低、时序波动大，且与工艺参数存在复杂非线性时滞关联导致精准预测难的问题，本文旨在解决传统特征选择方法无法有效捕捉此类动态关联、预测模型性能受限的痛点，为保障饮用水安全提供精准预测技术支撑，同时为高级氧化工艺动态调控提供靶向依据。【方法】本文以济南市某中试基地高级氧化系统1 200余组监测数据为基础，构建双向长短期记忆网络-循环门单元（BiLSTM-GRU）融合模型。BiLSTM通过双向时序建模捕捉参数间长期依赖关系，GRU以简化门控结构提升计算效率并强化短期波动捕捉能力，二者融合实现“长时关联挖掘-短时特征细化”的互补优势。系统对比全特征输入、皮尔逊（Pearson）相关系数法（线性特征筛选）、格兰杰因果检验法（时序因果挖掘）3种特征选择策略的预测效果。通过平均绝对误差（MAE）、均方根误差（RMSE）、决定系数（R2）及95%置信/预测区间等指标综合评价。【结果】格兰杰因果检验法筛选的12项特征能最大程度保留关键关联信息，使模型预测精度相对较高，2-MIB、GSM、SMZ、SCP的R2值分别达0.941、0.935、0.893、0.916，较全特征输入相对提升7.54%、8.22%、13.18%、11.98%，MAE较全特征输入分别降低7.0%、8.4%、13.2%、14.0%，RMSE分别降低25.8%、5.8%、0、26.5%，且置信区间与预测区间最窄，泛化能力相对更强。【结论】Pearson相关系数法因其仅能捕捉线性关联，预测性能次之：全特征输入受冗余信息干扰，表现最差。本文明确了新污染物预测的最优特征选择策略，为高级氧化工艺动态调控提供精准靶点，也为低浓度复杂污染物的时序预测提供了技术参考。

关键词：新污染物；双向长短期记忆网络-循环门单元（BiLSTM-GRU）融合模型；特征选择；Pearson；相关系数；格兰杰因果检验

基金资助：国家重点研发计划（2022YFC3203704）：山东省重点研发计划（2023TZXD019）

下载

查看