Application of Particle Swarm Optimisation to achieve simultaneous nitrification and denitrification removal in the aerobic biological treatment process

想象一下，一座城市的污水处理厂就像一个巨大且繁忙的厨房，而脏水就是主要原料。目标是把这锅“汤”烹饪得足够干净，以便可以倒入河流而不伤害任何人。在这个厨房里，最重要的厨师之一是一群微小的、肉眼看不见的细菌。它们有一项特定的工作：吃掉氨氮（一种来自人类排泄物的有害化学物质）并将其转化为另一种物质。但这里有个转折：当这些细菌完成工作时，它们会留下一种新的成分，叫做硝酸盐。虽然氨氮很糟糕，但河流中过多的硝酸盐对人类和动物也是危险的。传统上，如果处理厂产生了过多的硝酸盐，就必须建造一整个第二个厨房来进行清理，这既昂贵又复杂。科学家们一直试图弄清楚，是否可以让细菌同时完成两项工作——既吃掉氨氮，又清理掉硝酸盐——就在同一个池子里，就像一位大师级厨师能一边切菜一边搅拌汤，而不会掉落勺子一样。

这正是研究人员 M. Muloiwa 和 CM Zvinowanda 所解决的难题。他们想看看是否可以使用一种聪明的计算机技巧——“粒子群优化算法”（PSO），来寻找细菌的完美配方。你可以把 PSO 想象成一群寻找浆果丛的鸟。每只鸟（或称为“粒子”）都在四处飞翔，尝试不同的温度、空气流量和时间组合。如果一只鸟找到了美味的地方，其他的鸟也会向它飞去，但它们也会保留自己的想法。最终，整个鸟群会汇聚到绝对最佳的位置。研究人员使用这个数字化的鸟群在实验室中测试了数千种不同的设置，以观察能否让细菌在忙于去除氨氮的同时也去除硝酸盐。

团队利用来自南非 Daspoort 处理厂的真实废水建立了一个实验室实验。他们创建了一个小型、受控的“曝气池”（一个通过泵入空气来帮助细菌呼吸的池子），并运行了 54 天。他们收集了关于七种不同成分的数据：水在池中的停留时间、吹入空气的量、温度、食物量（COD）、氨氮量、细菌量（生物量）以及氧气水平。为了理清所有这些杂乱的数据，他们构建了一个“数字大脑”，即“多层感知器”（MLP），这是一种人工神经网络的一种。你可以把它想象成一个超级聪明的学生，它观察了 324 个不同的数据点，并学习了细菌行为的秘密模式。

一旦数字大脑理解了规则，他们就让“鸟群”（PSO 算法）开始工作。目标很简单：找到能导致残留硝酸盐量最低的具体设置。计算机模拟非常成功。它找到了一个“全局最优解”，即完美的配方，使得硝酸盐浓度仅为 0.5744 mg/L。这是一个非常低的数值，完全符合水务部门设定的安全限制。

为了达到这个神奇的数字，计算机建议了一套非常具体的条件：

• 曝气时长： 水在池中应停留约 1.514 小时（大约 1 小时 31 分钟）。
• 空气流量： 空气泵应向水中注入 2.6911 L/min 的空气。
• 温度： 水需要保持温暖，维持在 30.5270°C。
• 溶解氧 (DO)： 水中应有 5.5768 mg/L 的氧气。

在这些完美条件下，系统还能够有效地清理其他污染物，仅留下 35.8187 mg/L 的 COD（有机废物）和 2.9126 mg/L 的氨氮。

研究人员还进行了一项“敏感性分析”，这就像是在问：“如果我们只改变其中一件事会发生什么？”他们发现有两个因素才是控制硝酸盐水平的真正“老板”。温度是最大的驱动因素，占了 54.2% 的变化，紧随其后的是曝气时长，占 22.5%。这意味着，如果你想控制残留的硝酸盐量，你主要只需要盯着温度计和时钟。有趣的是，这项研究发现，人们尝试过的其他方法（如使用电力或特殊的反应器设计）通常过于昂贵或需要建造全新的工厂。这项研究表明，我们不需要拆除旧工厂并建造新工厂，只需调整现有工厂的设置即可。

最后，论文指出，通过使用智能计算机优化，确实可以让细菌实现同步硝化与反硝化作用。结果表明，只要有合适的温度和时间，细菌就可以在处理氨氮的同时也清理掉硝酸盐，从而可能使污水处理厂无需配备昂贵的额外设备。作者对这些发现充满信心，因为他们的计算机模型与现实世界的数据匹配得非常紧密，具有很高的准确度，但他们将此呈现为对现有流程的一次成功优化，而非适用于所有情况的“万灵药”。