應用機械學習預測污水廠放流水之氨氮

Abstract

廢污水中的氨氮是水體常見污染物，也是現今污水廠需要去除的主要物質之一。透過預測放流水氨氮，可用於輔助工作人員之最佳化操作，降低污水廠運作成本。因此，本研究將使用機械學習模型對放流水水中的氨氮進行預測，計算預測結果與實際量測值差異，選擇最適合的模型。 本研究使用迪化污水處理廠 2020 年一月至十月之每小時水質數據，使用氫離子濃度指數、水溫、導電度、化學需氧量、氨氮及懸浮固體為原始資料，經由特徵值篩選後，透過 XGBoost、梯度提升機模型、LightGBM、隨機森林模型、極度隨機樹五種機械學習模型，分別對十一月第一週放流水之氨氮進行預測。得到訓練結果後進行參數調整以優化模型，最後將訓練集和驗證集數據整合，得到最終模型。結果顯示，五種模型之準確率分別為 84.8%、40.8%、70.8%、85% 和 40%，其中 XGBoost 和隨機森林模型具有較好的預測準確率，梯度提升機和極度隨機樹模型的評鑒指標與前二者差距不大，但預測結果並不理想，推測與輸入數據的雜訊有關。此外，峰值的預測上，XGBoost 模型有更好的效果。研究表明，使用 XGBoost 等機器學習模型可在一定程度上預測放流水之氨氮濃度。