多参数调控下含铵氮地下水的两级除铁工艺优化与机器学习预测模型研究

《ACS ES&T Water》：Influence of Multiple Parameters on Groundwater Iron Removal in the Presence of Ammonium Nitrogen

本综述系统探讨了初始铁（Fe2+）与铵氮（N-NH4+）浓度、两级曝气参数对复杂地下水净化效率的影响。研究通过29组实验证实，二级曝气可使残留铁降至0.3 mg/L标准值，铵氮去除率最高达80%。创新性地采用CatBoost与高斯过程回归（GPR）模型实现精准预测（R2=1.000），为水处理工艺优化提供数据驱动新范式。

　　

1. 引言

天然含水层中铁与铵氮共存形成复杂污染体系，传统单级处理难以同时达标。铁锰超标引发感官恶化与管网腐蚀，铵氮过量则导致代谢疾病风险上升。现有技术包括曝气过滤、改性滤料及生物法，但铵氮存在时铁氧化效率显著降低。本研究突破单因素局限，通过两级可调曝气系统（气水比5:1与1.5:1）与机器学习建模，揭示Fe²⁺/N-NH₄⁺非线性相互作用机制。

2. 材料与方法

以白俄罗斯维捷布斯克地区地下水为对象（Fe: 2.1–6.9 mg/L, N-NH₄⁺: 2.5–6.0 mg/L, pH 7.3–7.5）。一级过滤采用AC吸附剂，二级为Zeol沸石，前置独立曝气柱。通过电位法（Eh）、磺基水杨酸铁测定法及高锰酸盐指数（COD-Mn）分析水质，利用Python构建多项式回归、弹性网络（ElasticNet-poly）等7种模型，以X1–X8表征初始参数，Y1–Y16输出净化指标。

3. 结果与讨论

3.1 净化效能分析

二级曝气使铁浓度额外降低35–45%，铵氮去除率从无曝气时的39.5%提升至75–80%。Pearson相关性显示，初始铁浓度（X1）与氧化还原电位（Y3/Y7）呈强负相关（-0.801），证实Fe²⁺的还原性主导作用。铵氮残留（Y12）与二级曝气强度（X8）相关性达0.382，凸显曝气对硝化过程的决定性影响。

3.2 机器学习模型对比

CatBoost与GPR模型对铁/铵氮预测均达到R2=1.000，显著优于传统多项式模型（铁R2=0.758）。关键因子分析表明，铁残留主要受Fe₀·N₀交互项控制，而铵氮去除依赖于曝气二次项（A12、A22），证实存在最优气水比。弹性网络模型剔除冗余变量后，得出精简方程：Y12=1.050+0.370X2-0.190X8，物理意义明确。

3.3 工艺参数耦合机制

一级曝气（X7）优先氧化Fe²⁺并降解COD-Mn，但对铵氮去除贡献微弱（r=0.088）。二级曝气（X8）通过提升溶解氧（DO）促进沸石表面生物硝化，同时避免铁氢氧化物堵塞滤料孔隙。残铁浓度（Y11）与铵氮残留（Y12）呈正相关（r=0.381），暗示Fe(III)沉积可能抑制微生物活性。

4. 实践应用

基于模型开发在线调控平台（图9a），实时优化曝气参数。现场实施显示，二级工艺可节能15–20%，且稳定应对水质波动。工业级沸石过滤器（图9b）连续运行3年验证了技术的鲁棒性，为小规模水厂升级提供范本。

结论

两级曝气与机器学习协同策略成功解决Fe/NH₄⁺协同去除难题，模型驱动的水质预警为智慧水处理开辟新路径。