环境学院梁帅教授团队联合清华大学黄霞教授团队在环境领域顶级学术期刊Environmental Science & Technology上发表了题为“A Multi-Model Ensemble for Advanced Prediction of Reverse Osmosis Membrane Performance in Full-Scale Zero-Liquid Discharge Systems”的研究论文。

论文针对实际工业零排放系统中膜污染难以预测的工程痛点问题，构建了一个多模型集成预测框架，通过深度学习模型的融合优化，实现了反渗透（RO）膜污染的长时间尺度精准预测。该框架具备良好的适应性、泛化性与可解释性，展示出将机器学习融入全规模工业系统膜污染预测与系统运维的广阔前景。

图1. 多模型集成预测框架与滚动预测策略

研究构建了一个面向全规模零排放系统RO膜污染预测的多维集成框架，涵盖数据采集、特征筛选、模型分析与机制解释等模块，用于膜污染的智能化预测。数据来源于某大型燃煤电厂近5年运行记录，共包含23项水质与操作参数，经标准化与Kendall相关性筛选，最终确定11个关键输入变量。模型集成了LSTM、CNN、ConvLSTM、RNN、GRU与ARIMA等六种算法，并设计了1天、7天和30天三种步长的滚动预测策略（图1B–D），模拟不同时间尺度下的模型稳定性与响应效果。所构建的多模型集成预测框架，初步验证了其在不同预测步长下的稳定性与迁移能力，并结合SHAP方法提升了模型的可解释性，为膜系统在实际工程场景中从“经验判断”迈向“数据驱动”提供了探索路径。研究结果表明，深度学习在应对复杂膜污染演化、提取关键影响因子等方面展现出良好的工程适用性。

梁帅教授为共同通讯作者，我校为第二通讯单位。该项工作得到华能集团总部科技项目基础能源科技研究专项(三)（HNKJ22-H105）资助。

论文链接：https://doi.org/10.1021/acs.est.5c06257