本书系统结合作者及课题组近年来在人工智能与微生态学交叉领域的创新研究成果，提出了智慧深度驱动下的污泥膨胀识别、诊断与调控理论。内容涵盖污水处理建模从传统机理模型（ASM系列）到数据驱动模型、再到物理信息神经网络（PINN）的完整演进历程；重点论述了深度强化学习在调控决策中的前沿应用，以及利用图神经网络（GNN）解析污泥膨胀微观机理、构建数字生态位的原创理论。最后，以陕西省某污水处理厂的智慧调控工程实践为例，展示了理论模型从实验室研发到工业化应用的完整闭环。

更多科学出版社服务，请扫码获取。

2011.3-2015.4 哈尔滨工业大学 环境科学与工程 博士 2009.9-2011.2 哈尔滨工业大学 环境科学与工程 硕士 2005.9-2009.6 吉林建筑大学 给水排水专业 学士2015.11-2017.11 美国斯坦福大学 博士后 2015.06-2017.12 哈尔滨工业大学 城乡规划学工作站 博士后 2017.12-2025.12 哈尔滨工业大学 副研究员 2020.07-至 今 哈尔滨工业大学 博士生导师 2023.03-至 今 哈工大市政环境国家级虚拟仿真实验教学中心 副主任 2025.12-至 今 哈尔滨工业大学 教授水污染控制理论技术及智能化应用研究、流域生态治理与修复技术、方法与评估、难降解污染物定向转化及降解机制解析和创新技术研究黑龙江省科学技术奖自然科学类二等奖,主持科研项目22项，包括国家及省部级项目7项；入选中国科协战略发展部“科技智库青年人才计划”等人才计划项目；多次获中国建筑第三工程局有限公司科技进步奖二等奖等科研奖励。1.受聘国际期刊Environmental Science & Ecotechnology编委； 2.受聘《给水排水》第一届青年编委； 3.受聘《中国给水排水》第二届青年编委； 4.受聘国际期刊Frontiers in Microbiology（IF=6.064/Q1），客座编辑； 5.受聘国际期刊Materials（IF= 3.748/Q1），客座编辑； 6.受聘中节能天融科技有限公司“城市水系统智能化建设工作”青年专家顾问； 7.城市水资源与水环境国家重点实验室成员； 8.环境生物技术黑龙江省重点实验室成员； 担任Nature communication、Water research、Environmental Science & Technology、Applied Catalysis B: Environmental等国际期刊审稿人。

目录
前言
第1章 绪论 1
1.1 污水处理智慧化工程背景与国家战略意义 1
1.1.1 污水处理行业的绿色低碳转型 1
1.1.2 智慧水务的发展演进与技术瓶颈 3
1.1.3 活性污泥法运行的顽疾——污泥膨胀 5
1.2 污水处理过程建模与优化的技术现状 6
1.2.1 传统机理模型的挑战 7
1.2.2 数据驱动模型的兴起 8
1.2.3 决策控制的智能化路径 10
1.3 污泥膨胀研究从宏观到微观的跨越 12
1.3.1 微生物群落结构的决定性作用 12
1.3.2 现有诊断技术的瓶颈与工程局限 13
1.3.3 图神经网络与数字生态位理论的提出 15
参考文献 17
第2章 从机理到智能：污水处理建模与优化调控的技术演进 20
2.1 从自动化到智能化的技术演进 20
2.2 机理建模：理解与模拟过程的物理基石 21
2.2.1 活性污泥模型系列 21
2.2.2 模型稳态求解方法 29
2.2.3 模型动态求解方法 31
2.2.4 模型参数的智能优化 33
2.3 数据驱动建模：从历史数据中学习动态规律 37
2.3.1 数据库构建 37
2.3.2 特征提取 38
2.3.3 数据驱动模型 39
2.3.4 优化策略 41
2.3.5 基于数据驱动模型的动态调控 42
2.4 全局软测量模型：PINN 在污水处理中的卓越实践 44
2.4.1 物理信息神经网络原理与优势 44
2.4.2 模型数据库构建 46
2.4.3 物理信息神经网络框架 46
2.4.4 模型训练与超参数确定 53
2.5 强化学习：实现闭环自适应智能控制 53
2.5.1 强化学习算法的原理与优势 53
2.5.2 强化学习框架设计：定义环境、状态、动作与奖励 55
2.5.3 深度强化学习算法：TD3、SAC与DDPG 61
参考文献 67
第3章 数据驱动与物理信息融合的污水处理厂建模与优化调控 70
3.1 数据驱动的A2/O工艺动态感知与实时优化 71
3.1.1 数据驱动模型特征提取及参数分析 71
3.1.2 数据驱动模型的模拟性能 79
3.1.3 基于数据驱动模型的污水处理厂调控策略 82
3.2 物理信息融合与强化学习驱动的A2/O工艺先进控制 88
3.2.1 污水处理厂物理信息神经网络模型的训练与性能 88
3.2.2 基于物理信息神经网络模型的污水处理厂优化调控 99
3.2.3 污水处理厂物理信息神经网络模型解释与动力学分析 107
参考文献 112
第4章 深度强化学习在污水处理厂动态调控中的应用 114
4.1 污水处理厂强化学习模型的环境分析与训练 115
4.1.1 污水处理厂强化学习模型的环境分析 115
4.1.2 环境状态的马尔可夫性评估 119
4.1.3 不同强化学习算法和奖励的对比 121
4.1.4 污水处理厂强化学习模型训练参数 124
4.2 污水处理厂强化学习模型性能与解释 127
4.2.1 污水处理厂强化学习模型性能 127
4.2.2 污水处理厂强化学习模型解释 133
4.3 污水处理厂强化学习模型的动态自适应优化 138
4.3.1 自适应优化前后的污水处理厂出水水质变化 138
4.3.2 污水处理厂强化学习模型策略与奖励变化特征 141
参考文献 144
第5章 基于图神经网络的污泥膨胀微观机理与数字生态位解析 145
5.1 活性污泥微生物生态研究的新范式 145
5.1.1 传统生态学研究的局限性 145
5.1.2 数字生态位的定义与内涵 146
5.1.3 图神经网络在生物信息学中的优势 148
5.2 大规模活性污泥微生物组数据集构建 149
5.2.1 数据来源与多源异构数据整合 149
5.2.2 序列数据预处理与特征工程 150
5.2.3 环境因子维度的标准化与关联分析 151
5.3 基于GNN的微生物互作网络建模 153
5.3.1 生态共现图的构建 153
5.3.2 节点嵌入与特征学习 154
5.3.3 微生物功能模块的自动划分与识别 155
5.4 丝状菌数字生态位的定量表征与识别 156
5.4.1 关键丝状菌的环境驱动因子 157
5.4.2 生态位重叠与竞争关系的图谱展示 158
5.4.3 微生物功能模块的稳态与失衡阈值 159
5.5 污泥膨胀的智能化诊断理论框架 160
5.5.1 基于图特征的膨胀风险评估模型 160
5.5.2 从微观互作到宏观表征的推演机制 161
第6章 污水处理厂污泥膨胀成因解析与智慧调控实践：
以陕西省某污水处理厂为例 164
6.1 案例背景与运行现状分析 164
6.1.1 厂区概况 164
6.1.2 季节性污泥膨胀的宏观表征与统计学分布 165
6.1.3 传统管控手段的生态学局限性与风险 167
6.2 污泥膨胀智慧诊断与成因解析的方法论框架 168
6.2.1 全球基准数据的收集与多源数据预处理规范 169
6.2.2 多组学信息图生成 170
6.2.3 基于图注意力网络的功能性微生物群落检测模型 173
6.2.4 图神经网络的构建与评估体系 175
6.2.5 基于GNNExplainer的模型决策可解释性机制 177
6.3 基于多组学数据的低温膨胀微观解析 177
6.3.1 生态位空间分化与群落多样性的衰减响应 177
6.3.2 核心致变菌群的识别与生理生态学特征 179
6.3.3 驱动群落演替的多维环境约束与热力学响应映射 180
6.3.4 EPS的空间构型解构与宏观流体力学响应 182
6.4 污水处理厂污泥膨胀的低温门控与高阶互作机制 184
6.4.1 低温环境过滤下的网络拓扑重构与核心模块汇聚 185
6.4.2 空间结构与互营代谢的多维共生机制解析 186
6.4.3 稳态转换与迟滞效应动力学推演 187
6.5 污水处理厂污泥膨胀智慧调控策略与工程实施 189
6.5.1 数据驱动的关键因子识别与特征降维机制 190
6.5.2 融合神经网络与响应曲面法的多目标动态寻优 193
6.5.3 微生态风险前置的分级预警与工艺闭环自动化控制 194
参考文献 195