模拟河岸过滤中持久性移动有机微污染物的长期归趋：柱实验与人工神经网络预测模型

《Environmental Technology & Innovation》：Fates of Persistent and Mobile Organic Micropollutants in Simulated Bank Filtration: Column Study and Predictive Modelling

本研究针对持久性移动有机微污染物（OMP）在水生环境中日益突出的问题，通过模拟河岸过滤（BF）的柱实验，系统探究了不同氧化还原条件下24种OMP的长期归趋。研究人员创新性地应用人工神经网络（ANN）模型，成功预测了OMP在0.5米和1.0米深度的浓度变化，相关系数高达0.91以上。研究发现水力停留时间（HRT）和氧化还原条件是影响OMP去除的关键因素，其中6种OMP在45天HRT下仍表现持久性，而7种OMP在5.5天HRT内可实现完全去除。该研究为河岸过滤工艺优化提供了重要理论依据，发表于《Environmental Technology》。

　　

随着工业化和城市化的快速发展，合成有机微污染物（OMP）在水环境中的检出频率日益增高，这些包括工业化学品、药品和个人护理用品在内的污染物，通过未完全处理的废水排放进入水体，对饮用水安全构成潜在威胁。特别值得关注的是其中一类被称为持久性移动有机化学品（PM substances）的污染物，它们具有高度极性、难生物降解且不易被沉积物吸附的特性，能够在水环境中长期存留并长距离迁移。近年来的监测数据显示，多种PM物质在地表水、地下水甚至饮用水中均有检出，浓度最高可达微克/升级别，这使得评估传统水处理工艺（如河岸过滤）对这类污染物的去除效率变得尤为迫切。

河岸过滤作为一种经济高效的饮用水处理工艺，通过过滤、微生物降解和吸附等机制去除污染物。然而，其处理效果受氧化还原条件、温度、pH值、土壤性质和水力停留时间（HRT）等多种因素影响。尽管已有研究报道了部分OMP在河岸过滤中的去除效率，但对潜在持久性移动OMP在长HRT（达45天）和变化氧化还原条件下的长期归趋仍知之甚少。此外，将人工神经网络等数据驱动方法应用于预测OMP在河岸过滤中的行为尚属探索阶段。

为解决上述问题，柏林工业大学的研究团队开展了长达380天的柱实验研究，模拟河岸过滤过程，并开发了ANN预测模型。研究成果发表在《Environmental Technology》上，为理解PM物质在河岸过滤中的行为提供了新的见解。

关键技术方法

研究采用串联圆柱柱实验装置（内径140毫米，各长0.5米），填充来自实际入渗盆地的均质砂土。通过控制下游流速300毫升/天，实现45天HRT。水质参数包括溶解氧（DO）、溶解有机碳（DOC）、UV₂₅₄等定期监测，24种OMP使用高效液相色谱-串联质谱（HPLC-MS/MS）分析。基于实验数据集，开发了两个ANN模型预测0.5米和1.0米深度OMP浓度，采用Levenberg-Marquardt训练函数和切线S型激活函数进行优化。

氧化还原分区与生物活性

实验结果显示，柱内氧化还原条件呈现明显分区特征：前0.38米为氧化条件（DO > 1.5毫克/升），0.38-0.5米为低氧条件（DO为0.5-1.5毫克/升），0.5米以下为缺氧条件（DO < 0.5毫克/升）。生物活性在前0.5米最高，表现为显著的DO消耗、DOC减少和UV₂₅₄降低。DOC浓度在氧化区下降，而在缺氧区略有上升，推测是由于累积的颗粒有机碳（POC）转化所致。荧光光谱分析鉴定出类腐殖质荧光溶解性有机质（fDOM）组分，其变化趋势与总体DOC相似。

持久性移动OMP的归趋

六种OMP包括金刚烷胺（ATA）、扑米酮（PRI）、卡马西平（CBZ）、三氟甲磺酸（TFMSA）、2-丙烯酰胺-2-甲基丙磺酸（AAMPS）和三聚氰胺（MEL）在整个实验期间表现持久性，即使45天HRT下也未明显去除。其中ATA和CBZ在特定阶段显示吸附现象，可能与砂柱中的POC或铁氧化物等矿物质有关。这些物质的持久性行为与其酰胺基团的存在和较低logK_oc值（接近3）相关，这支持了它们在水环境中的移动性。值得注意的是，TFMSA、AAMPS和ATA即使在活性炭吸附处理中也表现出去除困难的特点，表明需要开发更高效的处理技术。

可转化OMP的去除特性

17种OMP在柱中表现出生物转化能力。其中氰基胍（CG）、苯并三唑（BTA）、缬沙坦酸（VSA）等7种化合物在0.13米深度（HRT 5.5天）内完全去除，且主要发生在氧化条件下。双氯芬酸（DCF）的降解与先前研究一致，主要在氧化条件下进行。磺胺甲噁唑（SMX）表现出稳定但不完全的去除（低于50%），与氧化还原条件无关。特别有趣的是，碘帕醇（DCA）在氧化和低氧条件下持久，但在缺氧条件下显示约70%的去除率。苯扎氯铵（BETMAC）和1,3-二邻甲苯胍（DIOTOG）则同时表现出吸附和生物转化特性。

预测模型的可靠性

开发的ANN模型在预测0.5米和1.0米深度OMP浓度时表现出色，训练和验证阶段的相关系数均高于0.91，均方根误差值较低。模型通过k折交叉验证（k=8）优化，选用15和20个隐藏层神经元，分别经过7和22次实现获得最佳性能。残差误差分析进一步证实了模型的准确性和稳健性。研究人员还将优化后的ANN模型转化为经验公式，为实际应用提供了便利工具。

研究结论与意义

本研究系统揭示了PM物质在模拟河岸过滤系统中的长期归趋规律，证实了HRT和氧化还原条件对OMP去除的关键作用。六种OMP（ATA、PRI、CBZ、TFMSA、AAMPS、MEL）的持久性行为表明，仅依靠延长HRT不足以确保这些物质的完全去除，需要辅以其他处理工艺。同时，七种OMP（CG、BTA、VSA、HHTMP、PTSS、DCF、MAPMA）在短HRT（5.5天）内的完全去除，为优化河岸过滤操作参数提供了依据。

研究的创新点在于成功将ANN模型应用于预测OMP在河岸过滤中的行为，为理解复杂环境系统中污染物的迁移转化提供了新方法。建立的预测模型不仅具有高精度，而且通过转化为经验公式，便于实际应用。此外，对DCA、BETMAC和DIOTOG等物质在缺氧条件下去除特性的首次报道，填补了相关领域的研究空白。

该研究对保障饮用水安全具有重要实践意义：一方面为河岸过滤工艺的优化运行提供了科学依据，另一方面为水处理厂应对新型污染物的挑战提供了技术支撑。特别是对持久性移动物质的识别和归趋规律的阐明，有助于制定更有针对性的水处理策略。未来研究可结合现场监测数据，进一步验证模型在实际河岸过滤系统中的适用性，并探索温度变化对处理效果的影响。