李艷琴

（山東環(huán)泰環(huán)?？萍及l(fā)展有限公司，山東 泰安 271000）

引言

隨著我國城市化建設(shè)進(jìn)程的加快和工業(yè)化的高度發(fā)展，各類污水的排放量不斷增加，導(dǎo)致水體環(huán)境不斷被破壞，水污染問題日益嚴(yán)重。近年來，黨中央、國務(wù)院高度重視環(huán)境保護(hù)工作，將環(huán)境治理和保護(hù)作為貫徹落實科學(xué)發(fā)展觀的重要內(nèi)容和轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的重要手段，以及推進(jìn)生態(tài)文明建設(shè)的根本措施[1]。人工智能（AI，Artificial Intelligence）通常被視為讓機(jī)器能夠智能運(yùn)行的方法或技術(shù)，目前高度數(shù)理統(tǒng)計化的機(jī)器學(xué)習(xí)方法在該領(lǐng)域占據(jù)了主導(dǎo)地位，將其定義為一個能夠從外部數(shù)據(jù)中學(xué)習(xí)總結(jié)并解決特定目標(biāo)和任務(wù)的系統(tǒng)。當(dāng)前信息產(chǎn)業(yè)蓬勃發(fā)展，各類傳感器能夠提供海量的外部環(huán)境數(shù)據(jù)，深度學(xué)習(xí)算法依賴計算力強(qiáng)大的硬件能對數(shù)據(jù)進(jìn)行精準(zhǔn)而深刻的描繪分析，兩者組合為人工智能系統(tǒng)的強(qiáng)大學(xué)習(xí)能力打下了基礎(chǔ)，使AI這個并不年輕的概念又重獲新生。

隨著人工智能技術(shù)的迅速發(fā)展，其已經(jīng)廣泛應(yīng)用于農(nóng)業(yè)、氣候、金融、工程、安全、教育、醫(yī)學(xué)、環(huán)境等多種學(xué)科，被認(rèn)為是常規(guī)程序和數(shù)學(xué)的高效、經(jīng)濟(jì)的替代品[2]。將人工智能應(yīng)用于環(huán)境治理領(lǐng)域，已逐漸成為人工智能和環(huán)境科學(xué)兩個學(xué)科研究的熱點(diǎn)和重點(diǎn)。大量研究表明，人工智能技術(shù)被廣泛應(yīng)用于治理水環(huán)境污染、大氣污染及固廢處理、氣候變化和其他環(huán)境領(lǐng)域，目前已經(jīng)成為環(huán)境監(jiān)管和治理的良好助手。本研究通過梳理國內(nèi)外學(xué)者利用人工智能技術(shù)在去除污水污染物過程中的建模與優(yōu)化、對流域污水處理過程的優(yōu)化控制、流域水污染監(jiān)測系統(tǒng)構(gòu)建等方面取得的研究成果，為全面提升我國水污染問題的解決能力提供科學(xué)可靠的技術(shù)指導(dǎo)。

1 水污染環(huán)境監(jiān)測及水利設(shè)施監(jiān)測

環(huán)境信息監(jiān)測是環(huán)境科學(xué)發(fā)展及環(huán)境管理的基本條件，AI在水環(huán)境監(jiān)測及水設(shè)施檢測的軟硬件上均能提供助力。

1.1 監(jiān)測設(shè)備

隨著監(jiān)測傳感技術(shù)與設(shè)備的快速發(fā)展，基于深度神經(jīng)網(wǎng)絡(luò)的AI技術(shù)在時空大數(shù)據(jù)獲取及分析中發(fā)揮著越來越重要的作用。AI技術(shù)已經(jīng)被用于長期原位水質(zhì)監(jiān)測中，包括使用機(jī)器學(xué)習(xí)算法對傳統(tǒng)監(jiān)測方法的升級，如光譜水質(zhì)代理監(jiān)測，其可以對不同物質(zhì)的光譜特征進(jìn)行學(xué)習(xí)，實現(xiàn)對水質(zhì)濃度的預(yù)測。對基于計算機(jī)視覺技術(shù)的新監(jiān)測方法的探索，包括使用普通攝像頭的實時雨量監(jiān)測、使用深度學(xué)習(xí)對藻類的監(jiān)測、以及基于視頻圖像的溢流堰流量測量等。在大尺度監(jiān)測領(lǐng)域，遙感技術(shù)和AI的結(jié)合也得到了大力推廣，如基于無人機(jī)遙感數(shù)據(jù)和機(jī)器學(xué)習(xí)算法反演總氮濃度，以及使用近端遙感和神經(jīng)網(wǎng)絡(luò)進(jìn)行TN、TP和COD的預(yù)測等。

1.2 監(jiān)測網(wǎng)絡(luò)

監(jiān)測網(wǎng)絡(luò)的布設(shè)是影響監(jiān)測效果的重要因素。AI對環(huán)境信息的挖掘可為網(wǎng)絡(luò)布設(shè)提供更多信息，同時算法應(yīng)用于監(jiān)測網(wǎng)絡(luò)的優(yōu)化設(shè)計，使之更加高效。根據(jù)設(shè)計驅(qū)動因素的不同，即設(shè)計輸入信息的不同，提出的優(yōu)化方法可以分為兩類：一類只考慮水質(zhì)監(jiān)測的代表性；另一類基于多種標(biāo)準(zhǔn)，采用自然條件并考慮社會條件。模糊優(yōu)化、遺傳算法、人工蜂群等算法被用于這些研究中，在缺少歷史水質(zhì)數(shù)據(jù)的情況下，基于多標(biāo)準(zhǔn)的優(yōu)化方法是設(shè)計新的地表水水質(zhì)監(jiān)測網(wǎng)絡(luò)的行之有效的方法。

1.3 設(shè)施檢測

排水管網(wǎng)是城市最關(guān)鍵的水環(huán)境基礎(chǔ)設(shè)施。下水道檢查是對管網(wǎng)的缺陷進(jìn)行檢測識別，防止因管網(wǎng)缺陷和錯接造成污染?；谝曈X的下水道檢查技術(shù)得到了廣泛且深入的研究，包括應(yīng)用閉路電視技術(shù)、下水道掃描和評估技術(shù)等。其他視覺方法包括熱成像技術(shù)和激光輪廓分析，它們分別用于檢測熱異常和生成管道的3D輪廓。對下水道圖像進(jìn)行缺陷監(jiān)測識別，如果采取傳統(tǒng)的人工方法效率極低，因此基于計算機(jī)視覺的缺陷識別方法得到了大量研究和使用。多種機(jī)器學(xué)習(xí)算法，如徑向基函數(shù)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、隨機(jī)森林、神經(jīng)模糊、自組織地圖等被用于缺陷分類中，這些技術(shù)具備較高的識別率，并極大減少了人力消耗。

1.4 AI賦能水環(huán)境監(jiān)測

當(dāng)前基于光電信號的代理監(jiān)測技術(shù)，彌補(bǔ)了某些場景下應(yīng)用化學(xué)法難以觀測或者達(dá)不到觀測要求等不足（如高頻率、偏遠(yuǎn)地域），還具有低成本、低損耗的特點(diǎn)。憑借AI在光電聲圖像等信號處理中的優(yōu)勢，后續(xù)研究將進(jìn)一步融合領(lǐng)域知識，有望創(chuàng)造出新型的水環(huán)境監(jiān)測設(shè)備和適用于各類水設(shè)施的檢測工具。在監(jiān)測網(wǎng)絡(luò)設(shè)計或動態(tài)巡檢規(guī)劃中，可以使用AI輔助參數(shù)數(shù)據(jù)自動提取，通過智能優(yōu)化算法進(jìn)行規(guī)劃設(shè)計，使得監(jiān)測布點(diǎn)的設(shè)計定量更加科學(xué)化、規(guī)范化，提高其準(zhǔn)確性和靈活性。變化預(yù)測數(shù)據(jù)驅(qū)動模型通過對已有水質(zhì)數(shù)據(jù)的分析學(xué)習(xí)，實時監(jiān)測數(shù)據(jù)的同化，能夠?qū)σ欢〞r間范圍內(nèi)的水質(zhì)變化進(jìn)行較為準(zhǔn)確的預(yù)測。如Prophet算法可以捕捉不同的時間周期（周、月、年）內(nèi)水質(zhì)的變化規(guī)律，而且在有少量數(shù)據(jù)缺失的情況下也能保證預(yù)測的準(zhǔn)確性。Prophet算法已經(jīng)在工業(yè)產(chǎn)量需求預(yù)測中得到應(yīng)用，在水量與水質(zhì)預(yù)測領(lǐng)域，如水源地湖庫富營養(yǎng)化趨勢預(yù)測、供水系統(tǒng)中的細(xì)菌和總氯預(yù)測中亦具有廣闊的應(yīng)用前景。Sun等[3]利用Prophet算法從污水流量中總結(jié)出各組成部分的占比規(guī)律，從而有助于制定污水排放的調(diào)度規(guī)則。

1.5 異常預(yù)警

水質(zhì)異常指的是水質(zhì)偏離其正常水平的現(xiàn)象。水質(zhì)在長周期范圍內(nèi)本就具有波動現(xiàn)象，而由人類活動引起的水質(zhì)短期異常才更值得關(guān)注，這類異常的出現(xiàn)頻率與正常的水質(zhì)波動也有差異。通過大數(shù)據(jù)分析，AI算法可以對長周期內(nèi)水質(zhì)變化信息實現(xiàn)精準(zhǔn)把控，排除離群值對整體規(guī)律的影響并將其識別出來。

1.6 AI賦能預(yù)警預(yù)報

傳感器布設(shè)的普及以及采樣數(shù)據(jù)的增加，為基于AI開發(fā)的異常檢測算法提供了大數(shù)據(jù)來源。未來研究需考慮如何使用AI對水環(huán)境監(jiān)測數(shù)據(jù)流進(jìn)行實時準(zhǔn)確分析，以實現(xiàn)對水質(zhì)信息的全方位把控，補(bǔ)充監(jiān)測過程中的數(shù)據(jù)缺失，并對水質(zhì)的異常變化做出及時和準(zhǔn)確的預(yù)測。近20年來，基于人工神經(jīng)網(wǎng)絡(luò)、模糊理論、支持向量機(jī)等AI算法的水質(zhì)模型相繼被提出[4]，這些數(shù)據(jù)驅(qū)動模型在某些情景下比機(jī)理模型更具優(yōu)勢，在基于在線監(jiān)測的數(shù)據(jù)流處理中發(fā)揮著重要作用，如何實現(xiàn)AI與傳統(tǒng)模型的有效結(jié)合也是后續(xù)研究的重點(diǎn)。

2 水環(huán)境污染溯源

污染溯源，即污染發(fā)生后，對上下游水質(zhì)數(shù)據(jù)進(jìn)行分析，從而確定污染源的位置和時間等信息。

2.1 定性溯源

定性溯源是對污染源進(jìn)行定性分析描述的過程，利用機(jī)器學(xué)習(xí)算法對水樣的熒光圖譜進(jìn)行學(xué)習(xí)，判斷主要污染物的類型。熒光光譜法是一種簡單、無試劑、非萃取、靈敏度高的方法，常與各類機(jī)器學(xué)習(xí)算法相結(jié)合，用于表征天然系統(tǒng)中的溶解性有機(jī)物。相關(guān)研究使用自組織地圖算法和Ward聚類方法組成的兩階段聚類方法，對污水處理廠進(jìn)出水采集的水樣進(jìn)行分析，找到了典型的污水聚類。清華大學(xué)研究團(tuán)隊對南方某水體開展了熒光光譜表征的水質(zhì)指紋溯源技術(shù)的應(yīng)用研究，在長期監(jiān)測數(shù)據(jù)中檢測到水質(zhì)異常，并根據(jù)匹配算法判定印染廢水是主要污染物。

2.2 定量溯源

對污染源進(jìn)行定量計算和分析，包括借助各類優(yōu)化算法進(jìn)行水質(zhì)模型的正向模擬以用于污染評估，以及通過數(shù)值反演追蹤污染源。根據(jù)下游監(jiān)測點(diǎn)的污染物濃度，識別源特征（位置、釋放時間和負(fù)荷量）的問題可以歸類為逆問題。地表水（排水管網(wǎng)系統(tǒng)可視為簡化的地表水系統(tǒng)）污染的數(shù)值反演方法主要分為三類：（1）模擬優(yōu)化法；（2）概率方法（貝葉斯法、向后概率法）；（3）數(shù)學(xué)方法（正則化法、解析法）。模擬優(yōu)化方法在河流系統(tǒng)的應(yīng)用最為普遍，它是基于污染物運(yùn)移傳輸模型與優(yōu)化算法計算未知的污染源參數(shù)。應(yīng)用于地表水污染源識別的優(yōu)化算法主要包括遺傳算法、蟻群算法、微分進(jìn)化算法、粒子群算法等。

2.3 AI賦能污染溯源

當(dāng)前污染溯源對AI的應(yīng)用僅停留在初級的算法支持，如應(yīng)用于定性溯源的自組織映射神經(jīng)網(wǎng)絡(luò)和定量溯源的優(yōu)化算法。后續(xù)研究可集中在框架性專家系統(tǒng)搭建，其能有效整合物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)、環(huán)境大數(shù)據(jù)系統(tǒng)和疑似污染源信息，及時確定污染事件發(fā)生位置，調(diào)配污染點(diǎn)位周邊的戰(zhàn)略儲備資源，對污染源進(jìn)行綜合治理。這種基于社會復(fù)雜結(jié)構(gòu)的專家決策系統(tǒng)，有望建立起一個適用性更廣、準(zhǔn)確性更高的定性定量耦合溯源體系，以對各類空間尺度、時間尺度下的污染進(jìn)行溯源分析。

3 水環(huán)境污染控制

城市水環(huán)境污染的控制是一項復(fù)雜的系統(tǒng)工程，從污染源頭到處理終端需要進(jìn)行全程控制。AI在傳統(tǒng)的單元化、靜態(tài)化的規(guī)劃及其設(shè)計和運(yùn)行管理體系中已被廣泛應(yīng)用，同時也在促進(jìn)水環(huán)境污染控制朝著精細(xì)化的動態(tài)綜合管控方向繼續(xù)發(fā)展。

3.1 源頭控制

排污許可是一種從源頭控制固定污染源排放的環(huán)境管理制度。排污權(quán)的有效分配和交易，涉及多個跨區(qū)域的排污，監(jiān)管主體的非線性系統(tǒng)需要達(dá)到環(huán)境與經(jīng)濟(jì)效益的最優(yōu)化，這些都離不開模型和算法的幫助。從基礎(chǔ)的線性規(guī)劃、動態(tài)規(guī)劃、非線性規(guī)劃等確定性方法，到以遺傳算法、粒子群算法、蟻群算法、模擬退火等為代表的啟發(fā)式算法，各類算法已經(jīng)廣泛應(yīng)用于排污分配中的各類單目標(biāo)、多目標(biāo)優(yōu)化案例中，以期達(dá)到環(huán)境容量的最大效用。城市水環(huán)境的源頭控制也包括對傳統(tǒng)灰色基礎(chǔ)設(shè)施的改造，以及海綿城市綠色措施建設(shè)等內(nèi)容。該部分涉及的AI應(yīng)用主要為使用啟發(fā)式算法對城市規(guī)劃進(jìn)行優(yōu)化、對建設(shè)方案進(jìn)行評估。

3.2 處理端控制

污水處理是減少污染、改善水環(huán)境的最重要步驟，污水處理過程受到多種化學(xué)、物理、生物因素的影響，處理流程和工藝的復(fù)雜性也增加了系統(tǒng)的不確定性，提高了受納水體的環(huán)境風(fēng)險。各類機(jī)器學(xué)習(xí)模型（主要為神經(jīng)網(wǎng)絡(luò)和決策樹以及它們的各類變體）被廣泛應(yīng)用于模擬污水處理廠中各類典型污染物如COD、BOD5、氮、磷、重金屬和有機(jī)污染物等，在曝氣擴(kuò)散、活性污泥、厭氧消化、硝化反硝化、膜處理以及吸附等各處理環(huán)節(jié)的處理效果。使用實驗數(shù)據(jù)進(jìn)行建模，AI可以較為準(zhǔn)確地模擬污水處理過程中的各類污染物的處理效率。此外，基于AI的自動化控制系統(tǒng)，可以最大限度地從歷史數(shù)據(jù)和操作經(jīng)驗中總結(jié)知識，用于指導(dǎo)污水廠的運(yùn)行管理，以提高其運(yùn)行效率和穩(wěn)定性。基于神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)等模型以及借助數(shù)據(jù)挖掘、模糊控制等手段，可以實現(xiàn)對污水處理過程中曝氣、泵水等環(huán)節(jié)的精確控制，以適應(yīng)變化的反應(yīng)條件，在保證處理效果的前提下，達(dá)到降低能耗、削減成本的目的。使用運(yùn)行或?qū)嶒灁?shù)據(jù)對具體處理環(huán)節(jié)進(jìn)行AI建模，模擬其中的生物、物理、化學(xué)處理過程，可以進(jìn)一步評估、預(yù)測和診斷污水處理廠的運(yùn)行狀態(tài)，提升其污水處理能力，如提高曝氣效率、控制污泥膨脹、評估膜污染情況等[5]。

3.3 AI賦能水環(huán)境污染控制

當(dāng)前服務(wù)于水環(huán)境污染控制的AI仍部分停留在初級、小范圍、短流程操作中，基于目標(biāo)優(yōu)化、黑箱建模等途徑單獨(dú)應(yīng)用于水環(huán)境污染的不同環(huán)節(jié)。然而考慮到水環(huán)境管控作為一項系統(tǒng)工程，需要從全局的高度進(jìn)行頂層設(shè)計和規(guī)劃，應(yīng)該按照“廠、網(wǎng)、河、源”一體化的理念，采取源頭、過程、末端相結(jié)合的系統(tǒng)治理思路。從包含集水區(qū)、污水管網(wǎng)、處理廠和明渠的城市排水綜合管控研究，到包含河流湖泊的大流域管控，AI在這類復(fù)雜系統(tǒng)中的優(yōu)勢較之傳統(tǒng)方法更加顯著。后續(xù)研究需考慮如何使用更復(fù)雜的AI決策支持系統(tǒng)，為大尺度水系統(tǒng)復(fù)雜環(huán)境的精細(xì)、綜合管控提供更好的助力。

4 結(jié)論

人工智能技術(shù)在水污染治理中的應(yīng)用為環(huán)境治理工作帶來了革命性的影響。基于大數(shù)據(jù)背景的人工智能計算彌補(bǔ)了各類傳統(tǒng)數(shù)學(xué)模型的不足，確保了各類數(shù)據(jù)的精準(zhǔn)與實效。雖然目前人工智能模型需要大量的數(shù)據(jù)訓(xùn)練才能達(dá)到預(yù)期的精度，且驗證過程可能非常耗時，訓(xùn)練過程的計算成本可能很高，但人工智能在水環(huán)境污染監(jiān)控與治理領(lǐng)域已有許多成功的應(yīng)用實例，展現(xiàn)出極為廣闊的應(yīng)用前景。