【人工智能】任洪强院士最新ES&T：AI接管污水厂？强化学习实现智能脱氮控制

背景:现代污水处理厂中,生物反应过程的稳定高效运行是工程控制的核心难题,传统控制策略在面对进水波动和非线性反应时效果有限。研究目的:本研究构建了反应器-智能代理一体化系统,验证强化学习(RL)智能代理与物理生物反应器的直接交互,并评估其在真实条件下的脱氮控制性能与可解释性。结论:实验证明,RL智能控制相比传统策略,能在短期波动下使氮污染物超标程度降低约30%,通过协同调节溶解氧和内部回流使运行成本降低36.5%。研究还提出了包含决策树、Sobol分析等方法的多层次可解释性框架,将“黑箱”策略转化为符合工艺规律的控制逻辑,提升了数据驱动控制在污水处理中的可信度。