智能精细化需求预测对城市环境及城市资源管理至关重要。

混凝反应是城市水处理厂中的一个重要过程，其化学反应复杂，混凝剂投加量受多种因素影响，难以有效确定最佳投加量。此外，混凝过程是一个典型的非线性、多变量、大时滞、非平稳、强耦合、时变系统。

运用智能算法确定混凝剂量及其在智慧城市的运用一直是城市精细化管控的一个重要研究领域。有的研究建立的预测模型只使用当前水质参数，忽略了之前的时间序列，缺乏同时考虑多元时间序列和多个水质参数，导致预测精度不理想。

为了能基于现实世界的大数据，同时能选择并应用合适的数据驱动模型进行用量预测（以期提高城市自动化管理为背景的水处理效率），重庆大学臧剑老师课题组在本研究的建模过程中不仅考虑当前水质参数，还考虑了历史时间序列水质特征。结果发现，循环神经网络框架的基于注意的编码器-解码器是智能水管理领域的一种有效模型。

在本工作中，作者们使用了 4 种不同的机器学习模型研究了真实水处理厂的数据。实验结果表明，与其他三种潜在竞争机器学习算法模型（随机森林、多元线性回归和长短时记忆网络）相比，DA_RNN 算法的预测分析性能最佳，其决定系数 (R2) 最高为 0.9908，均方根误差 (RMSE)、平均绝对误差 (MAE) 和平均绝对百分比误差 (MAPE) 最低（分别为 1.2524%、1.1263% 和 1.01%）。

此研究提供了一种更可靠、更准确的方法来预测废水混凝剂用量，这对提高城市韧性，加强智慧城市精细化、智能化管理，保障环境绿色可持续性发展起到了一定的作用。

该论文题为 “Exploring potential dual-stage attention based recurrent neural network machine learning application for dosage prediction in intelligent municipal management” (《探索双阶段注意力的循环神经网络机器学习算法在精细化智慧城市管理过程中持续优化的应用潜力》)，发表在期刊 Environmental Science: Water Research & Technology 上。

1. DA_RNN 预测

基于DA_RNN的模型能够捕捉化学剂量与水源水质变化之间的非线性和时序关系。既考虑当前水质参数，又考虑历史时间序列水质特征数据，构建多元时间序列预测模型。

与三种潜在的竞争算法模型(RF、MLR、LSTM)进行了比较，实验结果表明，本文的研究结果提出基于 DA-RNN 的双输入预测时序数据条件，相比于其他常规的算法模型，具备针相对更优的潜力，在实际纺织、染布业污水处理厂中的实验结果可知，实际混凝去除效果横比更加明显

方旭升 工程师

中国电子科技集团公司
第三十六研究所

本文第一作者，硕士毕业于桂林电子科技大学。主要研究方向机器学习算法应用，数字图像处理。

臧剑 弘深青年教师、博士

重庆大学

本文通讯作者，弘深青年教师，重庆大学国家级低碳绿色建筑国际联合研究中心“可持续建筑环境营造教师团队”教师，原中国电子科技集团公司第三十六研究所民品总院智能算法团队总体技术工程师，国家级外专项目负责人，国家级“黄大年式”优秀教师团队成员，重庆市博士后特别资助获奖者。在城市韧性提升和智能运维应用领域取得多项成果，在《Journal of Environmental Management》, 《Building and Environment》等国际重要学术期刊发表多篇 SCI 论文。

rsc.li/es-water

Environ. Sci.: Water Res. Technol.

2-年影响因子*	5.819分
5-年影响因子*	6.025分
最高 JCR 分区*	Q1 水资源
CiteScore 分†	7.6分
中位一审周期‡	45 天

Environmental Science: Water Research & Technology 报道水研究领域的重大进展，所发表的高质量论文范围囊括基础科学、技术创新和管理实践，其中既包括与水科学相关的物理、化学、生物等方面的基础研究，也有侧重于水处理工程和水资源管理与供给方面的应用研究。该刊特别关注与水资源的可持续性相关的主题，以及有助于实现更安全、更稳定和更可靠的水资源供给的研究。同时，该刊也欢迎相关领域内的跨学科和多学科研究工作。

Editor-in-Chief

• Paige Novak
  🇺🇸 明尼苏达大学

Associate editors

Sebastià Puig Broch 🇪🇸 赫罗纳大学 Wenhai Chu (楚文海) 🇨🇳 同济大学 Graham Gagnon 🇨🇦 达尔豪西大学

Stuart Khan 🇦🇺 新南威尔士大学 Linda Lawton 🇬🇧 罗伯特戈登大学 Lauren Stadler 🇺🇸 莱斯大学

Editorial board members

Takahiro Fujioka 🇯🇵 长崎大学 Xia Huang (黄霞) 🇨🇳 清华大学 Karin Jönsson 🇸🇪 隆德大学

Jeonghwan Kim 🇰🇷 仁荷大学 Eveline Volcke 🇧🇪 根特大学

^† CiteScore 2020 by Elsevier

^‡ 中位数，仅统计进入同行评审阶段的稿件

欢迎联系我们发布论文报道
📧 RSCChina@rsc.org