(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111627228.X (22)申请日 2021.12.28 (71)申请人 南京大学 地址 210023 江苏省南京市栖霞区仙林大 道163号 (72)发明人 胡海冬　程华仔　廖可薇　王瑾丰　 吴兵　任洪强　 (74)专利代理 机构 北京栈桥知识产权代理事务 所(普通合伙) 11670 代理人 刘婷 (51)Int.Cl. G01N 27/62(2021.01) G06N 20/00(2019.01) G06F 17/14(2006.01) G06N 5/00(2006.01) (54)发明名称 一种基于机器学习的污水有机氮生物有效 性评价方法 (57)摘要 本发明公开了一种基于机器学习的污水有 机氮生物有效性评价方法， 属于污水处理技术领 域。 本发明的方法包括以下步骤： (1)收集污水水 样中有机氮分子组分信息和生物有效性数据； (2)建立基于机器学习的污 水有机氮生物有效性 预测模型； (3)测定目标污水厂的污水水样中有 机氮分子组分； (4)根据步骤(2)建立的模型预测 目标污水厂的污水有机氮生物有效性。 本发明提 供的方法检测速度快、 准确度高、 操作 简便， 可广 泛应用于 污水有机氮生物有效性的评价。 权利要求书3页 说明书7页 附图3页 CN 114295707 A 2022.04.08 CN 114295707 A 1.一种基于 机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 包括以下步骤： (1)收集污水 水样中有机氮分子组分信息和生物有效性数据； (2)建立基于 机器学习的污水有机氮生物有效性预测模型； (3)测定目标污水厂的污水 水样中有机氮分子组分； (4)根据步骤(2)建立的预测模型评价目标污水厂的污水有机氮的生物有效性。 2.根据权利要求1所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 所述步骤(1)中， 污水水样中有机氮分子组分信息来源于傅里叶变换离子回旋共振 质谱测定的数据， 污水有机氮生物有效性数据来源于藻类生物培 养测定的数据。 3.根据权利要求1所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 所述 步骤(2)中， 预测模型 是基于机器学习中的随机森林模型建立的， 建立方法为： (a)计算有机氮分子参数， 将所述有机氮分子参数作为特征值， 并进行数据标准化处 理； (b)寻找最佳 特征数量， 并通过 特征排名确定需要删除的特 征； (c)划分数据集， 得到训练&验证集和测试集， 优化模型超参数并使用5折交叉验证评估 模型性能； (d)选取最佳的模型超参数， 训练后得到预测模型， 并在所述测试集上最终评估预测模 型的性能。 4.根据权利要求3所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 步骤(a)中， 作为所述特征值的有机氮分子参数包括： 所有有机氮分子的分子参数 和7组分子类别的有机氮分子参数； 所述所有有机氮分子的分子参数包括： 有机氮分子的质荷比m/z、 碳原子数C、 氢原子数 H、 氧原子数O、 氮原子数N、 氧原子数与碳原子数比值O/C、 氢原子数与碳原子数比值H/C、 等 效双键数DBE、 等效双键数与氢原子数比值DBE/H、 等效双键数与氧原子数比值DBE/O、 等效 双键与氧原子数之差除以碳原子数(DBE ‑O)/C、 碳的标称氧化态 NOSC的平均值； 所有有机氮 分子参数的强度加权平均值， 即分子相应的相对峰强度分别 与m/z、 C、 H、 O、 N、 O/C、 H/C、 DBE、 DBE/H、 DBE/O、 (DBE‑O)/C、 NOSC乘积的总和； 所述7组分子类别分别为： 脂类lipids、 蛋白质/氨基酸类proteins/amino  sugars、 糖 类carbohydrates、 不饱和烃类unsaturated  hydrocarbons、 木质素类lignin、 单宁酸类 tannins和稠环芳烃类conden sed aromatics； 其中， 脂类lipids的筛选 条件为O/C<0.2、 1.7 <H/C<2.2， 蛋白质/氨 基酸类proteins/amino sugars的筛选条件 为0.2<O/C<0.6、 1.5<H/C< 2.2、 N/C≥0.05， 糖类carbohydrates的筛选 条件为0.6<O/C<1.0、 1.5<H/C<2.2， 不饱和烃类 unsaturated  hydrocarbons的筛选条件为O/C<0.1、 0.7<H/C<1.5， 木质素类lignin的筛选 条件为0.1<O/C<0.6、 0.6<H/C<1.7、 修正的芳香指数AImod<0.67， 单宁酸类tannins的筛选 条件为0.6<O/C<1.0、 0.5<H/C<1.5、 修正的芳香指数AImod<0.67， 稠环芳烃类condensed   aromatics的筛 选条件为O/ C<1.0、 0.3 <H/C<0.7、 修正的芳香指数AImod≥0.67； 所述7组分子类别的有机氮分子参数包括： 各组有机氮分子的质荷比m/zi、 等效双键数 DBEi、 碳的标称氧化态NOSCi各自的平均值； 各组分子数目的占比Numi； 各组有机氮分子的 分子参数的强度加权平均值， 即分子相应的相对峰强度分别与 m/zi、 DBEi、 NOSCi乘积的总 和； 其中i表示分子类别。权　利　要　求　书 1/3 页 2 CN 114295707 A 25.根据权利要求3所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 步骤(a)中， 对所述特 征值进行 数据标准 化处理， 数据标准 化的计算公式为： 其中， z为标准化后的特征值， x为原始特征值， u为特征值的平均值， s为特征值的标准 偏差。 6.根据权利要求3所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 步骤(b)中， 为了寻找最佳特征数量， 使用具有交叉验证的递归特征消除算法， 选择 NGBoost作为学习估计器， 以决定系数R2为交叉验证得分依据， 每次从当前特征集中去除1 个特征数， 在更新的特征集中重复递归特征消除过程， 直至特征消除会导致模型 的交叉验 证得分下降为止， 通过 特征排名确定需要删除的特 征。 7.根据权利要求3所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 步骤(c)中， 按照9： 1的比例将数据集随机划分为训练&验证集和测试集； 从给定的 训练集中有放回地随机选取m个样本构建采样集， 以决策树为基学习器， 在基决策树的每个 节点的属性集合中随机选择k个属性， 再从k个属性中选择最优属性用于划分； 采样T次构建 含m个训练样本的采样集， 基于每个采样集训练出1棵决策树； 基于T棵决策树组成随机森林 模型， 随机森林模型最终的预测值可表示 为： 其中， 为随机森林模型最终的预测值， T为决策树的数量， T(x)为每个决策树的输 出值。 8.根据权利要求3所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 步骤(c)中， 优化模 型超参数并使用5折交叉验证评估模型性能； 需要优化的随机森 林超参数及其范围为： 基决策树的数量为100 ‑1000， 决策树的最大深度为5 ‑55， 不纯度减少 阈值为0.0‑0.1。 9.根据权利要求3所述的一种基于机器学习的污水有机氮生物有效性评价方法， 其特 征在于， 步骤(d)中， 选取最佳的模 型超参数， 训练后得到预测模型， 并在所述测试集上最 终 评估预测模型的性能； 选择决定系数R2和均方根 误差RMSE作为评价指标， R2的计算公式为： RMSE的计算公式为： 其中， yi为真实值， 为预测值， n为污水水样总数， i表示分子类别。 10.一种如权利要求1～9任意一项所述的一种基于机器学习的污水有机氮生物有 效性 评价方法， 其特征在于， 所述步骤(3)和步骤(4)中， 应用所述预测模 型来评价污水有机氮 生权　利　要　求　书 2/3 页 3 CN 114295707 A 3