中山大学江峰团队ES&T：机理为骨、数理为筋——数据-机理混合建模框架HyDIM，解决高波动污水处理系统模拟与控制准确性和可靠性两难问题

中山大学江峰团队在Environmental Science & Technology发表研究，提出了一种名为HyDIM的数据-机理混合建模框架，旨在解决高波动污水处理系统中模拟与控制准确性和可靠性的两难问题。研究背景是现代污水处理系统因城镇化与工业化呈现高波动、强非线性特征，传统机理模型依赖静态参数，动态适应能力差，而纯数据驱动模型虽预测精度高但可解释性不足、决策风险大。研究目的是通过将关键动力学参数函数化，实现数据驱动与机理模型的深度融合，既保留机理模型的可靠性，又提升模型对复杂工况的适应性。结论表明，在硫氧化系统应用验证中，HyDIM对硫化物、单质硫和硫酸盐的预测R²分别达0.66、0.77和0.74，预测误差降低至机理模型的30%，极端偏差降低78.2%。基于HyDIM的优化控制策略实现硫化物去除率和单质硫回收率均超90%，远优于传统机理模型。