《Journal of Environmental Radioactivity》：Enhancing Bayesian methods for radioactive source localization: a parameter study, prior construction and signal smoothing
编辑推荐：
磁凝聚处理水产养殖废水时，基于ELM-GWO优化的自动化框架通过前馈-反馈控制实现动态多化学药剂配比优化，结合SHAP和部分依赖图分析化学交互机制，实验表明该框架在突发干扰下保持99.7%的出水达标率，化学消耗降低9.98%-7.82%。
郭朝毅|吕淼|杨阳|陈天明|白晓龙|丁成|李文路|陈帆|尹万欣|叶园
中国江苏省盐城市盐城工程技术学院环境科学与工程学院，邮编224051
摘要
利用磁性粉末与聚铝氯化物和聚丙烯酰胺进行磁凝聚是一种有前景的水产养殖废水处理方法，但实际应用受到高度可变进水条件下实时多化学药剂投加需求的限制。本研究开发并验证了一个自动化、以控制为导向的框架，用于在动态运行过程中优化联合磁凝聚剂和助凝剂的投加量。基于极端学习机（ELM）构建了一个快速的数据驱动替代模型，并通过灰狼优化器（GWO）进行了调优；投加决策被构建为一个基于期望值、受概率约束的优化问题，以考虑多目标权衡和可靠性。通过前馈-反馈控制器实施了优化后的设定值，同时使用Shapley加性解释和部分依赖图来解释剂量-响应模式和化学相互作用。使用实验室规模的动态数据集，GWO调优使几何平均期望值提高了0.12-0.29，并将预测误差降低了13-38%。在突然干扰下，GWO-ELM-PID策略的达标时间达到了99.7%，与开环和传统的比例-积分-微分策略相比，总化学消耗分别减少了9.98%和7.82%。这些结果支持了一个可靠、可解释且可部署的实时多化学药剂凝聚控制框架。
引言
近年来，水产养殖业迅速发展，已成为全球蛋白质供应和食品安全的重要贡献者（Song等人，2025年）。然而，水产养殖业的加速扩张和集约化同时也导致了废水排放量的大幅增加（Li等人，2025年）。水产养殖废水的特点是有机物、氮、磷和悬浮固体的浓度较高（Adimachukwu等人，2025年）。如果未经适当处理直接排放，这些废水可能引发富营养化、有害藻类繁殖和氧气耗尽，从而对接收水体造成严重的生态风险（Song等人，2025年）。鉴于水产养殖废水的组成复杂性和明显的时间变化性，处理技术不仅需要具有高去除效率，还需要在动态负荷下保持稳定，以实现多污染物协同控制。
传统凝聚（TC）被广泛认为是处理水产养殖废水最有效的方法之一，对于悬浮固体、有机物和磷的去除效率很高（Kurniawan等人，2025年）。然而，TC在实际应用中存在固有的局限性，包括絮体形成对操作波动的敏感性、处理后出水中的残留金属离子浓度升高以及水质稳定性降低（Lv等人，2019年）。磁凝聚（MC）作为一种改进的替代方法出现，其中磁性颗粒作为助凝剂与主要凝聚剂结合使用，加速颗粒聚集并实现磁性回收，从而提高污染物去除效率，同时减少污泥体积和能源需求（Zheng等人，2023年）。然而，由于喂养方式、代谢活动和环境条件的变化，水产养殖废水具有明显的时间变化性，这使得固定剂量策略变得不适用，实时优化变得至关重要。由于化学相互作用的非线性和多个水质参数之间的复杂关系，确定凝聚剂和助凝剂的最佳联合剂量具有挑战性（Achite等人，2023年）。传统的罐式试验方法耗时、依赖操作员，并且无法快速响应动态进水变化或系统地探索联合凝聚剂的多维剂量空间，因此不适合实时控制（Yamamura等人，2020年；Hosseinzadeh等人，2025年）。因此，目前的做法受到“速度-准确性-可部署性”权衡的限制：实验室罐式试验和离线实验设计缺乏时效性，而基于经验的剂量规则和单环策略在干扰和多化学物质耦合情况下可能不够稳健（Yu等人，2023年；Liu等人，2023年）。此外，现有的大部分关于MC的文献仅提供静态剂量建议，并且对于在突然进水变化下的闭环稳定性或合规性导向的性能提供的证据有限，尽管这些情况在水产养殖系统中很常见。
机器学习（ML）模型在优化水产养殖废水处理中的多组分凝聚过程方面展示了巨大的潜力，因为它们可以捕捉水质参数之间的复杂非线性关系以及不同化学剂之间的相互作用，而无需依赖预定义的生化机制（Igwegbe等人，2024年；Alnemari等人，2025年）。然而，在针对水产养殖废水中的磁凝聚实时多化学药剂投加优化方面仍存在一些差距：关于在突然干扰下的闭环稳定性和合规性导向性能的证据仍然有限；多目标学习通常仅限于预测出水指标或单一化学剂剂量，而联合预测/优化多种剂量（磁性粉末、PAC和PAM）与出水质量的研究还不够充分；并且很少将不确定性感知的决策制定（可靠性/安全边际）和自动化超参数调优集成到可部署的工作流程中，导致从业者必须进行手动、耗时的试错调整，这限制了可重复性和可访问性（Xu等人，2024年）。因此，开发自动化和智能的方法来优化水产养殖废水处理中磁凝聚剂和助凝剂的联合剂量策略已成为一个紧迫的挑战，需要平衡计算效率、预测准确性、操作可靠性和实际可控性。
在这里，开发了一个集成灰狼优化器（GWO）、极端学习机（ELM）和ELM-PID前馈-反馈结构的自动化框架，用于在动态进水条件下实现可靠、实时的多化学药剂投加。目标是：（i）描述多化学凝聚的剂量-响应关系和关键操作因素；（ii）开发并验证一个快速的GWO增强型ELM替代模型，用于多目标预测剂量变量和出水响应；（iii）在突然干扰下建立一种可部署的、考虑可靠性的剂量策略；（iv）通过可解释性分析阐明水质参数与不同凝聚剂之间的非线性相互作用；（v）与传统的控制策略相比，验证所提出框架在动态运行条件下的有效性和经济优势。
数据收集与处理
在本实验中，基于磁凝聚过程构建了一个实验室规模的实验装置。该系统由三个相互连接的圆柱形丙烯酸反应罐组成，每个罐的容量为10升（高度35厘米，底部直径10厘米，见图S1）。这些罐通过管道系统和水泵连接，以确保连续稳定的流动。每个罐都配备了一个顶部安装的机械搅拌器，连接到中央控制器。凝聚单元接收
自动化多目标优化框架的架构
该框架结合了GWO-ELM优化和PID控制，以优化不同操作场景下的化学药剂投加和水质管理（见图1）。在优化模块中，GWO用于搜索PAC、PAM和磁性粉末的最佳投加向量，同时调整ELM替代模型的关键超参数（包括隐藏层神经元的数量和岭正则化；激活设置相应选择）。训练输入包括
结论
GWO-ELM框架结合了概率约束的期望值目标和ELM-PID控制器，为动态水产养殖系统中的实时多化学药剂投加优化提供了实用的解决方案。该框架表现出快速收敛、最小超调以及显著降低的化学药剂使用量，同时保持了与出水质量标准的高合规性。通过结合SHAP和PDP分析，该模型提高了可解释性和透明度，
CRediT作者贡献声明
郭朝毅：撰写——原始草稿、可视化、数据管理、概念化。吕淼：资源、方法论、正式分析、数据管理。杨阳：验证、数据管理。陈天明：项目管理、方法论。白晓龙：方法论、资金获取。丁成：监督、资源。李文路：监督、调查。陈帆：撰写——审稿与编辑、监督、资源。尹万欣：撰写——审稿与编辑、可视化、监督，
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
致谢
本工作得到了国家自然科学基金（NSFC，项目编号52170054、52400254）；江苏省高等教育机构基础科学（自然科学）重大研究项目（编号24KJA610009）；江苏省农业和农村污染预防技术与设备工程研究中心的开放项目（项目编号GCZXYB2403）；以及江苏省高等教育机构自然科学基金的支持
