基于LSTM的含油污水膜分离效果实验与预测方法

摘要

为探究船舶油水分离器中陶瓷膜的分离机理与预测方法，基于自建实验平台，系统考察了含油浓度、膜孔径与跨膜压差对分离效率及通量的影响。结果显示，无论浓度、孔径或压差如何变化，截留率均大于99%;但通量衰减受该三者制约显著，影响顺序为：含油浓度>跨膜压差>膜孔径。以孔径1μm、压差0.10 MPa为例，当浓度由50 mg/L升至200 mg/L时，通量衰减率从2%增至12%;以浓度100 mg/L为例，压差从0.05 MPa升至0.20 MPa,可使初始通量达583 L/（m²·h）,但平均衰减率达8%;在0.10 MPa条件下，孔径由0.5μm增至2μm时，高浓度下通量由368 L/（m²·h）降至312 L/（m²·h）,衰减率达16%。为此，提出了结合影响机制的膜分离效果预测网络Flow-LSTM,该模型通过时空特征提取、注意力融合与残差连接，有效缓解了传统LSTM对历史信息筛选不足与损耗问题，并将关键变量排序结果作为输入控制模型。与MLP、RNN、LSTM及GRU基线对比，Flow-LSTM在R²、MSE和MAE指标上均优于基线，较原始LSTM模型，R²提升5%,MSE和MAE分别下降21%和22%。

关键词

陶瓷膜 / 油水分离 / 分离效果 / 膜通量 / 长短期记忆网络(LSTM)