目錄
序
前言
第1章 污水水質(zhì)信息工程學概述 1
1.1 水質(zhì)信息工程學內(nèi)涵 1
1.1.1 水質(zhì)及其特性 1
1.1.2 信息工程學及其環(huán)境應用 2
1.2 污水水質(zhì)信息工程學的發(fā)展歷程 3
1.2.1 污水處理行業(yè)起步與發(fā)展概述 3
1.2.2 污水處理的物質(zhì)削減導向階段 4
1.2.3 污水處理的能源回用導向階段 6
1.2.4 污水處理的信息智控導向階段 7
1.3 污水水質(zhì)信息工程學的學科框架 8
1.3.1 污水水質(zhì)信息的獲取與預測 8
1.3.2 基于污水進水水質(zhì)信息的人群特征解析 9
1.3.3 污水處理過程的智能優(yōu)化與預測設計 10
1.3.4 水生態(tài)系統(tǒng)污染物凈化及風險預警 11
1.4 污水水質(zhì)信息工程學的機遇與意義 12
1.4.1 污水水質(zhì)信息工程學的發(fā)展機遇 12
1.4.2 污水水質(zhì)信息工程學的現(xiàn)實意義 13
參考文獻 14
第2章 污水水質(zhì)信息工程學的理論基礎與研究方法 17
2.1 污水水質(zhì)信息工程學的理論基礎 17
2.1.1 水質(zhì)：物質(zhì)、能量、信息三位一體理論 17
2.1.2 信息：信息源、信道容量與信息熵 20
2.2 污水水質(zhì)信息工程學的研究方法 26
2.2.1 污水水質(zhì)信息數(shù)據(jù)庫 27
2.2.2 大數(shù)據(jù)與人工智能技術(shù) 30
2.2.3 數(shù)字孿生與云計算技術(shù) 36
2.2.4 3D 打印與智能設備技術(shù) 41
參考文獻 44
第3章 污水水質(zhì)信息采集與預測技術(shù) 53
3.1 污水水質(zhì)信息離線采集技術(shù) 53
3.1.1 常規(guī)污水指標信息離線采集技術(shù) 53
3.1.2 痕量化學污染物信息離線采集技術(shù) 57
3.1.3 生物污染物信息離線采集技術(shù) 62
3.1.4 污水毒性信息離線采集技術(shù) 65
3.2 污水水質(zhì)信息在線采集技術(shù) 69
3.2.1 污水水質(zhì)信息在線采集設備 71
3.2.2 常規(guī)污水指標信息在線采集技術(shù) 72
3.2.3 痕量化學污染物信息在線采集技術(shù) 74
3.2.4 生物污染物信息在線采集技術(shù) 77
3.2.5 污水毒性信息在線采集技術(shù) 79
3.3 污水水質(zhì)信息預測技術(shù) 81
3.3.1 污水信息特征及數(shù)據(jù)處理 81
3.3.2 常規(guī)污水指標信息預測技術(shù) 84
3.3.3 生物污染物信息預測技術(shù) 88
3.3.4 污水毒性信息預測技術(shù) 90
參考文獻 92
第4章 基于水質(zhì)信息的人群特征解析：污水流行病學 105
4.1 污水流行病學的產(chǎn)生與發(fā)展 106
4.1.1 污水流行病學定義 106
4.1.2 污水流行病學研究目的 106
4.1.3 污水流行病學發(fā)展歷程 106
4.2 污水流行病學的研究方法 110
4.2.1 生物標志物確定 110
4.2.2 污水處理廠基本信息調(diào)查 115
4.2.3 樣品采集和儲存 116
4.2.4 樣品前處理 117
4.2.5 污水處理廠服務人口數(shù)量估算 119
4.2.6 不確定性分析 122
4.3 污水流行病學的應用 124
4.3.1 非法藥物追蹤 124
4.3.2 人群生活方式和物質(zhì)消耗調(diào)查 125
4.3.3 人體健康狀態(tài)評價 127
4.3.4 環(huán)境暴露風險評價 127
4.3.5 人口數(shù)量和社會經(jīng)濟發(fā)展狀況評估 128
4.3.6 傳染性疾病預警和控制 129
4.4 污水流行病學的局限性和未來展望 130
4.4.1 污水流行病學局限性 130
4.4.2 污水流行病學未來趨勢與展望 131
參考文獻 133
第5章 污水處理技術(shù)與工藝智能調(diào)控 148
5.1 污水處理與機器學習 148
5.1.1 污水處理中的機器學習 148
5.1.2 污水處理中常見的ML 模型 149
5.2 污水處理過程中的智能優(yōu)化 154
5.2.1 曝氣智能調(diào)控技術(shù) 154
5.2.2 藥劑智能投加技術(shù) 156
5.3 功能微生物的信息化調(diào)控強化 159
5.3.1 污水處理中的功能微生物 160
5.3.2 微生物群落變化驅(qū)動因素 160
5.3.3 功能微生物的智能調(diào)控 162
5.3.4 功能微生物調(diào)控技術(shù)的研究前景 167
5.4 污水深度處理技術(shù)的智能化調(diào)控 167
5.4.1 吸附技術(shù)智能調(diào)控 168
5.4.2 膜處理技術(shù)智能調(diào)控 169
5.4.3 高級氧化技術(shù)智能調(diào)控 172
5.4.4 智能化深度處理技術(shù)應用 175
參考文獻 176
第6章 數(shù)字孿生與智慧污水廠 187
6.1 數(shù)字孿生 187
6.1.1 數(shù)字孿生概述 187
6.1.2 數(shù)字孿生水環(huán)境研究應用 188
6.2 數(shù)字孿生污水處理廠 189
6.2.1 數(shù)字孿生污水處理廠概述 189
6.2.2 數(shù)字孿生污水處理廠整體框架和層次結(jié)構(gòu) 191
6.2.3 數(shù)字孿生污水處理廠核心模型 193
6.2.4 數(shù)字孿生污水處理廠關(guān)鍵技術(shù) 197
6.2.5 實景數(shù)字孿生與仿真數(shù)字孿生 199
6.3 實景數(shù)字孿生污水處理廠 200
6.3.1 實時數(shù)據(jù)采集、傳輸與儲存 201
6.3.2 實時數(shù)據(jù)同化更新 201
6.3.3 表達層決策執(zhí)行 203
6.3.4 實景數(shù)字孿生管控平臺建設與應用案例 204
6.4 仿真數(shù)字孿生污水處理廠 205
6.4.1 仿真數(shù)據(jù)層 206
6.4.2 業(yè)務邏輯層建模 207
6.4.3 可視化表示層 208
6.4.4 工藝智能設計優(yōu)化與數(shù)字孿生系統(tǒng)案例 208
6.5 數(shù)字孿生污水處理廠未來挑戰(zhàn) 211
參考文獻 212
第7章 人工水生態(tài)系統(tǒng)污水凈化過程與智能化 219
7.1 人工水生態(tài)系統(tǒng)水質(zhì)信息特征 219
7.1.1 人工水生態(tài)系統(tǒng)水文信息 220
7.1.2 人工水生態(tài)系統(tǒng)物化信息 222
7.1.3 人工水生態(tài)系統(tǒng)關(guān)鍵生物信息 225
7.2 人工水生態(tài)系統(tǒng)水質(zhì)凈化過程 226
7.2.1 人工濕地系統(tǒng)結(jié)構(gòu)單元組成 226
7.2.2 人工濕地系統(tǒng)分類 227
7.2.3 人工濕地系統(tǒng)水質(zhì)凈化機理 227
7.2.4 其他人工水生態(tài)系統(tǒng)水質(zhì)凈化機理 234
7.3 人工水生態(tài)系統(tǒng)水質(zhì)預測與智能管控 235
7.3.1 數(shù)據(jù)準備與分析 236
7.3.2 人工水生態(tài)系統(tǒng)預測模型建立 238
7.3.3 人工水生態(tài)系統(tǒng)智能管理平臺 242
參考文獻 245
第8章 自然水生態(tài)系統(tǒng)水質(zhì)智能預測與風險預警 255
8.1 自然水生態(tài)系統(tǒng)水質(zhì)信息特征 256
8.1.1 污水處理出水對水生態(tài)系統(tǒng)的影響 256
8.1.2 水生態(tài)系統(tǒng)生物種群群落信息 258
8.1.3 水生態(tài)系統(tǒng)穩(wěn)定性信息 260
8.2 自然水生態(tài)系統(tǒng)水質(zhì)智能化預測與溯源 261
8.2.1 DO預測分析 262
8.2.2 BOD預測分析 264
8.2.3 污染物在線監(jiān)測—預警—溯源分析 266
8.3 自然水生態(tài)系統(tǒng)水質(zhì)風險預警 268
8.3.1 水質(zhì)風險預警概述 269
8.3.2 微生物風險預測與預警分析 272
8.3.3 物種多樣性預測與預警分析 274
8.3.4 食物網(wǎng)結(jié)構(gòu)預測與預警分析 275
8.4 自然水生態(tài)系統(tǒng)水質(zhì)智能預測與風險預警實例 277
8.4.1 案例1：水華暴發(fā)的潛在風險評估預測 277
8.4.2 案例2：污水出水的潛在風險預警評估 279
8.4.3 案例3：環(huán)境干擾對浮游動物多樣性影響的預測 280
參考文獻 282
第9章 污水水質(zhì)信息管理的人工智能大模型 288
9.1 人工智能大模型概述 288
9.1.1 人工智能大模型發(fā)展歷程 288
9.1.2 人工智能大模型框架結(jié)構(gòu) 290
9.2 人工智能大模型在污水水質(zhì)信息管理中應用 294
9.2.1 水質(zhì)信息的全面感知 294
9.2.2 水質(zhì)信息的精準認知 295
9.2.3 水質(zhì)信息的輔助決策 296
9.2.4 水質(zhì)信息的人機交互管理 296
9.2.5 典型案例：百度水業(yè)大模型 297
9.3 人工智能大模型現(xiàn)存挑戰(zhàn)與未來方向 301
9.3.1 現(xiàn)存挑戰(zhàn) 301
9.3.2 未來方向 302
參考文獻 303