本站提供最佳服務，歡迎轉(zhuǎn)載和分享。 本站提供最佳服務，歡迎轉(zhuǎn)載和分享。 
當?shù)貢r間2024年2月15日，醫(yī)生英國倫敦，污水AI生成藝術(shù)展《地球回聲：生活檔案》舉辦預展。廠老視覺中國/圖
嘗試給人類治病的環(huán)保AI，也正在給環(huán)境治病。不止
湖泊富營養(yǎng)化治理是觀鳥世界公認的老大難，投資數(shù)億元治理的達人高原湖泊滇池更是難中難。外部引水是水質(zhì)師傅“療法”之一，但也容易導致水資源浪費。醫(yī)生
引多少水“療效”最好？污水利用AI技術(shù)，北京大學環(huán)境科學與工程學院院長劉永教授團隊研發(fā)了滇池的廠老動態(tài)引水機制，在引水量大幅減少75%的環(huán)保場景下，總氮和總磷依然分別下降7%和6%。
AI并非新鮮事物，早在1950年代概念就已誕生。有環(huán)境學者已嘗過AI技術(shù)的甜頭，但直至最近幾年，隨著技術(shù)進步和理念普及，AI才漸漸成為熱潮。
生態(tài)環(huán)境監(jiān)測、治理甚至督察，AI都能大顯身手。但迅速增長的算力也在消耗大量能源和水資源。AI給環(huán)保提供了方案，自己也需尋求環(huán)保方案。
劉永所在的團隊已研究滇池近二十年。傳統(tǒng)湖泊水質(zhì)模擬與預測依賴復雜的數(shù)學模型，如水動力-水質(zhì)-藻類的三維模型。研究者必須知道多個狀態(tài)變量相互影響的機理過程，以期獲得較為準確的預測結(jié)果。
然而，人的認知存在局限性，難以知道模型中所有參數(shù)的取值，導致模擬結(jié)果準確率低，這成為傳統(tǒng)研究方法最大的挑戰(zhàn)。
AI技術(shù)解決了這一難題。劉永團隊基于三維數(shù)值模型模擬引水量對水質(zhì)的影響，利用深度強化學習算法，綜合考慮水動力、水質(zhì)、氣象等條件，設定“獎勵值”，訓練機器自主學習調(diào)水策略。為了追求更高的獎勵，AI會不斷調(diào)整，直至得到最優(yōu)策略。
劉永說，AI預測的精度很高，但它的缺點是“黑箱”——機器難以解釋其中的原理。因此在利用AI時，研究者并未停止傳統(tǒng)思路研究，仍然要探明結(jié)果的原因和機理過程。這仿佛一道數(shù)學證明題，AI給出論點，科學家們補充論據(jù)。
天然水體污染的“診斷”充滿不確定性，人為制造的工業(yè)廢水“病情”則相對清晰，AI已能根據(jù)病情給出“藥方”。
“如果把工業(yè)廢水比作病人，那么工業(yè)污水處理廠每天要面對的病癥五花八門。”中國環(huán)境科學研究院研究員吳昌永多年來一直給工業(yè)廢水“治病”。
治理工業(yè)廢水，首先要弄清楚其中的污染物構(gòu)成。但這并非易事。十幾年前，吳昌永試圖把廢水中的幾百種污染物濃度全部檢測出來，這些污染物雖然微量，但種類繁多，相互影響。他努力了約十年，最終定性定量的污染物連廢水總TOC（總有機碳，是一種評價水質(zhì)有機污染的指標）濃度的5%都不到。
后來，水質(zhì)光譜技術(shù)揭示了水的“指紋”，幾秒鐘就可掌握水質(zhì)特征，以配好對應的藥劑，相當于有了固定的藥方。但還有一個難題靠人力難以解決：不同行業(yè)的工業(yè)廢水水質(zhì)差
copyright © 2016 powered by 上海昊昌機電設備有限公司 sitemap
