Serrao, M., Jauzein, V., Juran, I., Tassin, B., Vanrolleghem, P. (2024). Hybrid modelling of nitrogen removal by biofiltration using high-frequent operational data. Water Science & Technology 90, 1416–1432. (link)

Título

Hybrid modelling of nitrogen removal by biofiltration using high-frequent operational data

(Modelagem híbrida de remoção de nitrogênio por biofiltração usando dados operacionais de alta frequência)

Resumo

In this research, a parallel hybrid model is presented for the simulation of nitrogen removal by submerged biofiltration of a very large-size wastewater treatment plant. This hybrid model combines a mechanistic and a machine learning model to produce accurate predictions of water quality variables. The models are calibrated and validated using detailed and quality-controlled operational data collected over a period of 3.5 months in 2020. The mechanistic model is a modified activated sludge model that describes the biological, physical and chemical processes taking place in a biofilm reactor based on the domain knowledge of these processes. A three-layer feed-forward artificial neural network with a rectified linear activation function that aims to reduce the mechanistic model’s residual error and then correct its output. The results show how the hybrid model outperforms and significantly reduces the size of the mechanistic model’s prediction errors of the effluent nitrate concentration from a relative mean error of 12% (mechanistic model) to 2% (hybrid model) during training. The error on nitrate simulations increases to 8% during hybrid model testing, still significantly lower than the error of the mechanistic model. These results support future operational applications of hybrid biofilm models, such as in digital twins.

TRADUÇÃO LIVRE

Nesta pesquisa, um modelo híbrido paralelo é apresentado para a simulação da remoção de nitrogênio por biofiltração submersa de uma estação de tratamento de águas residuais de grande porte. Este modelo híbrido combina um modelo mecanístico e um modelo de aprendizado de máquina para produzir previsões precisas de variáveis ​​de qualidade da água. Os modelos são calibrados e validados usando dados operacionais detalhados e com controle de qualidade coletados ao longo de um período de 3,5 meses em 2020. O modelo mecanístico é um modelo de lodo ativado modificado que descreve os processos biológicos, físicos e químicos que ocorrem em um reator de biofilme com base no conhecimento de domínio desses processos. Uma rede neural artificial de três camadas com alimentação direta com uma função de ativação linear retificada que visa reduzir o erro residual do modelo mecanístico e, em seguida, corrigir sua saída. Os resultados mostram como o modelo híbrido supera e reduz significativamente o tamanho dos erros de previsão do modelo mecanístico da concentração de nitrato no efluente de um erro médio relativo de 12% (modelo mecanístico) para 2% (modelo híbrido) durante o treinamento. O erro nas simulações de nitrato aumenta para 8% durante os testes do modelo híbrido, ainda significativamente menor do que o erro do modelo mecanístico. Esses resultados corroboram futuras aplicações operacionais de modelos híbridos de biofilme, como em gêmeos digitais.

Artigo publicado no site Water Science & Technology, no Journal of the International Water Association (IWA).