基于改进WOA和BiLSTM的MBR膜污染预测研究

摘要

为了实现对膜生物反应器（membrane bio-reactor, MBR）系统中膜污染的实时预测与智能化监控，设计了一种基于改进鲸鱼优化算法（即结合全局搜索策略的鲸鱼优化算法，gravitational search whale optimization algorithm, GS-WOA）与双向长短时记忆神经网络（bi-directional long short-term memory, BiLSTM）的膜污染预测模型。首先，对监测数据样本进行标准化处理，以BiLSTM神经网络为基础预测框架，充分利用其双向时序特征提取能力，捕获膜污染过程的动态变化规律；其次，引入引力搜索机制与自适应惯性权重改进鲸鱼优化算法（whale optimization algorithm, WOA）,对BiLSTM网络的学习率、隐藏层神经元数量及时间步长等超参数进行全局寻优，平衡全局搜索与局部开发能力；最后，基于优化后的模型对实际运行数据进行训练与验证。结果表明：GS-WOA-BiLSTM模型的预测精度（R²=0.983 7）较长短期记忆网络（long short-term memory, LSTM）模型提升约6.6%,平均绝对误差和均方根误差分别降低28.1%和19.9%,预测值与实测值拟合效果优异。该方法可实现膜通量与跨膜压差的高精度预测与趋势预警，能够为MBR膜污染的智能监控与系统优化运行提供可靠的技术支撑。

关键词

水污染防治工程 / MBR膜 / 膜污染预测 / 改进鲸鱼优化算法 / BiLSTM神经网络