ACS ES&T Engineering | 基于注意力机制的深度学习算法助力市政污泥精准管理

本研究针对中国市政污水处理厂污泥产量预测的难题，提出了一种基于深度学习的方法。背景方面，随着污水排放量持续攀升，传统统计方法难以应对污泥产量预测中的复杂非线性动态。研究目的是通过引入抗过拟合策略与注意力机制，开发高精度的预测模型。研究团队开发了多种深度学习模型，包括BiLSTM、BiGRU+Attention、Transformer和BiLSTM+CNN混合模型。结果表明，这些模型在训练与验证阶段展现出优异的预测性能，均方误差低至0.014−0.027，相关系数达0.53−0.72。跨地域测试中，模型实现了年预测误差低于10%的高精度预测。结论指出，深度学习模型在预测精度与泛化能力方面具有显著优势，为市政污泥管理提供了创新方案。