哈工大深圳李朝林教授团队：基于城市多源数据的深度学习模型预测工业污水管网中重金属的浓度

近日，实验室李朝林教授团队在环境领域著名学术期刊Journal of Hazardous Materials上发表了题为“Deep learning model based onurban multi-source data for predicting heavy metals (Cu, Zn, Ni, Cr) inindustrial sewer networks”的研究论文(DOI: 10.1016/j.jhazmat.2022.128732)，提出了一种基于城市多源数据的深度学习预测模型用于预测城市工业区污水管网中重金属（Cu、Zn、Ni、Cr）的浓度。同时，利用沙普利值法（SHAP）分析评估模型中各项输入指标对预测结果的贡献程度，能够在不影响模型预测效果的前提下，剔除对预测性能影响较小的输入指标，最大限度地提高了模型的建模效率，降低了运行成本。此研究为城市工业污水管网重金属浓度异常情况的预警提供了一种经济可行的技术方法，有助于市政管理部门制定巡检计划，对提升工业污水管网的智能化管理具有重要意义。

该工作基于GRU构建了多源数据驱动的重金属浓度预测模型，并耦合基于SHAP的敏感性分析方法实现模型输入指标的筛选，进一步提高了模型的运行效率，降低了运行成本。该模型实现了对工业污水管网中Cu、Zn、Ni和Cr四种重金属浓度的准确预测，能够有效避免传统重金属浓度检测方法在时间和经济成本方面的限制，为城市工业区污水管网中重金属浓度的异常情况预警提供了一个可行的方案。