Article Dans Une Revue Water Science and Technology Année : 2024

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

Modélisation hybride de l'élimination de l'azote par biofiltration à l'aide de données opérationnelles haute fréquence

Résumé

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.

Dans cette recherche, un modèle hybride parallèle est présenté pour la simulation de l'élimination de l'azote par biofiltration submergée dans une station d'épuration de très grande taille. Ce modèle hybride combine un modèle mécaniste et un modèle d'apprentissage automatique afin de produire des prédictions précises des variables de qualité de l'eau. Les modèles sont calibrés et validés à l'aide de données opérationnelles haute fréquence collectées sur une période de 3,5 mois en 2020. Le modèle mécaniste est une version modifiée du modèle des boues activées qui décrit les processus biologiques, physiques et chimiques se déroulant dans un réacteur à biofilm, en s'appuyant sur les connaissances du domaine. Un réseau de neurones artificiels à trois couches avec une fonction d’activation linéaire rectifiée est utilisé pour réduire l'erreur résiduelle du modèle mécaniste et corriger ensuite sa sortie. Les résultats montrent que le modèle hybride surpasse le modèle mécaniste et réduit de manière significative l'erreur de prédiction de la concentration en nitrate à la sortie, passant d'une erreur moyenne relative de 12 % (modèle mécaniste) à 2 % (modèle hybride) durant l'entraînement. L'erreur sur les simulations de nitrate augmente à 8 % lors du test du modèle hybride, mais reste nettement inférieure à celle du modèle mécaniste. Ces résultats soutiennent les futures applications opérationnelles des modèles hybrides de biofilm, notamment dans les jumeaux numériques.

Fichier principal
Vignette du fichier
wst2024293.pdf (1.07 Mo) Télécharger le fichier
Origine Fichiers éditeurs autorisés sur une archive ouverte
Licence

Dates et versions

hal-04980601 , version 1 (18-03-2025)

Licence

Identifiants

Citer

Marcello Serrao, Vincent Jauzein, Ilan Juran, Bruno Tassin, Peter Vanrolleghem. Hybrid modelling of nitrogen removal by biofiltration using high-frequent operational data. Water Science and Technology, 2024, 90 (5), pp.1416-1432. ⟨10.2166/wst.2024.293⟩. ⟨hal-04980601⟩
369 Consultations
156 Téléchargements

Altmetric

Partager

  • More