近年来，城市规划者、学者、立法机构和政治实体对解决雨水管理相关挑战和问题表现出浓厚兴趣，以确定有利于可持续雨水管理实践的缓解和适应策略 [1]、[2]、[3]。多年来，排水系统、管道和蓄水池主要功能是收集、储存并将雨水输送到接收水体 [1]。
然而，“绿色基础设施”，也称为“最佳雨水管理实践”和“低影响开发”，近年来在全球范围内受到了广泛关注 [1]、[2]、[3]、[4]。雨水花园、透水铺装、绿色屋顶、植被沟渠、人工湿地和生物滞留区是最常用的绿色雨水控制措施 [5]、[6]、[7]。
通过在建筑框架中加入本地土壤和沙子，许多雨水过滤系统（包括人工湿地、生物滞留系统、沙滤器和植被渠道）能够有效截留颗粒物，并促进来自非点源的城市径流的排放。在具有大量不透水表面的城市地区，这些系统有助于减少洪水并改善地下水补给 [2]。
建筑和拆除（CDW）废弃物占全球所有市政固体废弃物的 30%–40% [8]、[9]。如果不适当的处置和管理策略，这些废弃物可能会对环境、经济和公共健康产生不利影响。越来越多的人意识到，在废水和雨水处理过程中利用建筑和拆除废弃物可以作为一种替代方案。这项技术还具有多个优势，包括降低废弃物处理成本、防止环境退化、几乎不产生有毒副产品、提高比表面积以及减少对传统自然资源的依赖 [8]。
雨水径流是非点源污染的主要来源，其中包括重金属、总悬浮固体（TSS）和总磷（TP），这些物质对环境和人类健康都有害 [10]、[11]。影响过滤效率的主要因素与影响污染物去除效率和平衡时间的因素类似，包括颗粒直径、表面积和水力传导性。颗粒直径越小，污染物被吸附的表面积越大，平衡时间越长，压力降也越高 [12]、[13]。
压力降现象是沙滤系统工程设计中的一个关键因素。沙滤器的内部组件（如扩散板和排水喷嘴）以及沙介质产生的阻力与摩擦都会对此现象产生影响。当压力降过大时，所需的泵送能量增加，从而降低了水通量 [14]、[15]。
传统上，通过手动测量滤床顶部和底部的运行压力来评估压力降。作为一种替代方法，预测建模提供了一种实用的评估手段。
现在有几种机制性或白箱模型可以用来预测多孔介质中的压力降。著名的达西定律 [16]、Kozeny–Carman 方程 [17]、[18] 和 Ergun 方程 [19] 是其中最重要的几种。然而，这些方法在解释复杂非线性现象方面存在局限性，尽管它们在物理上是可以理解的。因此，越来越多的人使用结合经验调整和机制模型的“灰箱”方法 [20]。
相反，数据驱动的方法不依赖于物理假设，而是从数据中提取模式。偏最小二乘（PLS）回归是一种统计方法，用于化学领域中处理多重共线性和噪声数据的问题，通过将预测变量分解为潜在变量 [21]。在复杂系统中，人工神经网络（ANN）非常适合模拟不符合直线规律的行为 [22]。例如，Marcato 等人的研究 [23] 表明 ANN 可以准确预测多孔介质中的流动和传输行为。此外，ANN 和其他机器学习方法经常使用 k 倍交叉验证来确保模型的可靠性 [24]。
本研究使用在芬兰和爱沙尼亚容易获得的建筑和拆除废弃物（CDW）材料，在实验室中构建了下游过滤器，并对其水力特性进行了研究。系统地研究了床层长度、颗粒大小、颗粒形状、孔隙率和球形度对压力降的影响。实验结果与理论预测（如 Ergun 方程和 Kozeny–Carman 方程）进行了比较，以检验流速和滤床水力梯度之间的相关性。在流动状态、柱体几何形状和介质形态的框架内，还分析了数据驱动建模技术（如人工神经网络（ANN）和偏最小二乘（PLS）回归）识别和解决压力-流量关系中非线性行为的能力。
