台灣過濾與分離學會電子報2024年第17期

研究新知

◎智慧水處理

        人工智慧 (AI) 是一項新興且強大的技術，能夠模擬許多複雜的即時問題。AI 的建模能力在水淨化和廢水處理方面具有明顯優勢，因為這些設施的自動化使操作更簡單、成本更低，並大幅減少人為錯誤的發生。越來越多企業在這一領域發展，例如 Pani、Sonata Water 和 Silo AI，這些公司展示了如何透過 AI 和機器學習 (ML) 分析現有數據，讓水處理變得更加智能，並推動其業務願景。專家建議，應從具體問題或目標入手，如改善水質或提高設備可靠性，再考慮 AI 如何發揮作用。一旦確認 AI 的價值，就可以探討需要哪些感測器、設備或演算法來實現目標。

人工智慧在水淨化和廢水處理應用方向

        Cairone 等人探討了如何運用人工智慧模型來分析薄膜廢水處理過程，並討論了 AI 模型在確定最佳操作條件、制定有效膜汙染緩解策略、提升新型膜技術性能以及改進膜製造技術中的重要作用。這些由 AI 驅動的優化與控制策略，有助於提高出水品質、優化資源使用並降低營運成本。透過人工智慧模擬廢水處理過程，其效率受環境因素與程序參數之間複雜交互作用的影響。廢水處理模擬在研究處理過程中的複雜動態方面有廣泛應用，這是程序控制的關鍵步驟。傳統的廢水處理模擬主要依賴數學方程來描述物理、化學及生物現象，這些模擬支援設計階段，幫助操作員決策，獲得對處理過程的新見解，制定有效控制策略，預測處理性能，分析效率，並促進操作員的培訓。

將人工智慧模型整合到薄膜的廢水處理建模的主要好處

        在廢水處理過程建模中採用人工智慧模型的主要優點如下：

        這些優勢將廢水處理廠的監測和控制推向智能、高效、永續的全新階段。

        在廢水處理中常用的 AI 模型可分為三類：機械學習 (ML)、人工神經網路 (ANN) 和遺傳演算法 (GA)。ML 著重於人工智慧的學習過程，ANN 則擅長識別並預測製程輸入和輸出中的可重複性模式，GA 模仿生物進化的原理，旨在找到接近最佳的解決方案。

Gulati 等人列舉了一些 AI 在汙水處理廠的應用實例。例如，沙烏地阿拉伯某沿海城市的一座汙水處理廠，目標是將處理後的水回用於灌溉。該廠採用了缺氧-好氧單元進行初步處理，接著經由膜微濾和氯化程序進行深度處理。人工神經網路的感測器被應用於不同的測試情境，監測進水流量、進水溫度及進水 BOD 濃度，這些參數用來代表汙水處理廠的初始條件。而出水氯化物濃度及出水 BOD 濃度則被用來衡量最終產物的水質。

經過 2010 至 2017 年的七年研究，結果顯示該廠的進水 BOD 濃度約為 99.00 mg/L，出水 BOD 濃度則控制在 3.75 mg/L 左右，成功將處理後的水回用於灌溉。此外，出水氯化物濃度平均上升至 475.47 mg/L，總耗電量在 1727 kWh/d 至 21850 kWh/d 之間。這顯示 AI 幫助該汙水處理廠在精細控制和能效方面取得了顯著成果。

沿海城市汙水處理廠經過生物純化的廢水通過薄膜組件過濾，然後對滲透物進行氯化並收集用於灌溉

        在廢水和水處理廠中，消毒是用來消滅或去除細菌與病毒的常見方法，通常使用氯基消毒劑。然而，隨著世界各地監管機構深入調查消毒副產物 (DBP)，這些副產物被認為可能是致癌物或影響生殖健康的因素。人工神經網路 (ANN) 是預測 DBP 和氯化作用的機器學習模型，相較於遺傳演算法 (GA)，通常在預測總三鹵甲烷和總鹵乙酸等常見 DBP 時更加有效。

         在水處理與廢水處理行業中，吸附法是一種常見的物理與化學處理技術，用來消除各種雜質與污染物。此吸附過程的建模廣泛應用機械學習技術，主要參數包括 pH 值、水溫、吸附劑劑量、接觸時間與初始污染物濃度。每個模型都包含多個輸入變量，例如床高、BET 表面積、攪拌速度、系統流速和吸附劑粒徑，用來預測各類有機污染物的去除百分比或吸附效率。

        在薄膜過濾技術中，該技術被用於廢水和水處理過程的建模，機器學習演算法能產生多種變量，例如跨膜壓力、滲透通量和溶質截留率。部分已發表的研究中包含 pH 值、溫度、流速、跨膜壓力和過濾時間等輸入數據，並應用機器學習模型來優化處理過程。

        此外，機械學習模型被用於優化新型旋轉生物接觸器與廢水處理膜的整合性能。研究中使用了響應曲面法 (RSM) 來優化操作參數，並實施 ANN 和支持向量機 (SVM) 進行精準建模，結果顯示處理過程中模型的表現極為優異，達到了 R² = 0.99 的準確度。

沿海城市汙水處理廠經過生物純化的廢水通過薄膜組件過濾，然後對滲透物進行氯化並收集用於灌溉

        隨著物聯網和人工智慧技術的整合，智慧水管理得到了迅速發展，這為水資源的永續性帶來了重大進展。智慧水管理技術的顯著優勢包括提升供水系統的彈性、資源節約、預測性維護以及更高的營運效率。這些技術透過簡化水處理過程，有助於確保水資源的公平分配和長期永續性。

        然而，要充分發揮智慧水管理的潛力，仍需克服一些挑戰，例如資料安全問題、大量前期投入成本，以及技術整合的複雜性。展望未來，隨著能夠提供更廣泛且詳細數據的複雜感測器與智慧水管理系統相融合，將能更靈敏地監測更多水質參數，為推動廢水管理技術的創新，邁出關鍵的一步。這將在推動水資源永續管理方面產生深遠影響。

資料來源：

1.Keri Allan, Intelligent water treatment, Filtration+Separation, July 2024, 10-14.

2.S. Safeer, R.P. Pandey, B. Rehman, T. Safdar, I. Ahmad, S.W. Hasan, A. Ullah, A review of artificial intelligence in water purification and wastewater treatment: Recent advancements, Journal of Water Process Engineering, 49, 102974, 2022. https://doi.org/10.1016/j.jwpe.2022.102974.

3.S. Cairone, S.W. Hasan, K.-H. Choo, C.-W. Li, T. Zarra, V. Belgiorno, V. Naddeo, Integrating artificial intelligence modeling and membrane technologies for advanced wastewater treatment: Research progress and future perspectives, Science of The Total Environment, 944, 173999, 2024. https://doi.org/10.1016/j.scitotenv.2024.173999.

4.S. Gulati, L. Chhabra, K. Tomar, S. Nagvani, , M.K. Jacob, Samarjeet, Artificial Intelligence in Wastewater Treatment. In: Gulati, S. (eds) Application of Artificial Intelligence in Wastewater Treatment. Springer, Cham, 2024. https://doi.org/10.1007/978-3-031-69433-2_3

台灣過濾與分離學會 Taiwan Filtration and Separations Society