Uncertainty and sensitivity analysis of algal-bacterial model under different ranges of parameter variation

不同參數變化范圍下藻-菌模型的不確定性及敏感性分析

來源：Biochemical Engineering Journal 179 (2022) 108334

 

摘要核心發現

 

研究基于ASM3模型構建了包含自養菌、藻類和異養菌的藻菌耦合模型（31個參數），通過全局敏感性分析（SRC方法）：

 

識別出8個關鍵敏感參數（如 kSTO、μH 等），其SRC絕對值>0.1（圖5）

 

模型成功預測PSBR中溶解氧動態（Unisense電極實測）和污染物去除（COD 94.29%，NH??-N 75.27%）

參數變化范圍（±5%~±50%）不影響敏感參數排序一致性（TDCC>3.8，p<0.01）

 

研究目的

 

建立藻菌相互作用模型：量化藻類光合供氧與細菌代謝的協同機制（圖1）

 

評估參數不確定性：分析不同參數擾動范圍（±5%~±50%）對模型輸出的影響

優化PSBR運行：通過敏感參數校準提升污染物去除預測精度

 

研究思路與技術路線

 

graph TD

A[實驗系統] --> B[PSBR反應器+Unisense監測]

B --> C[水質數據采集] --> D[藻菌模型構建]

D --> E[蒙特卡洛模擬] --> F[全局敏感性分析]

F --> G[參數校準] --> H[模型驗證]

 

關鍵步驟：

 

實驗設計：4組進水條件（表1），藻菌接種比2:1，無曝氣

 

數據采集：COD、NH??-N、PO?3?、DO（Unisense電極實時監測）

分析方法：拉丁超立方采樣+3000次蒙特卡洛模擬（圖4），SRC敏感性排序（圖5）

 

關鍵數據及科學價值

1. 污染物去除動態（圖3）

2. 

 

數據來源：PSBR反應周期內實時監測

核心發現：

DO濃度在120min時降至0.1 mg/L（藻類光合滯后）

COD/NH??-N去除率分別達94.29%/75.27%

意義：揭示藻菌系統“光合供氧-細菌耗氧”耦合機制，驗證模型代謝基礎

 

2. 參數敏感性排序（圖5）

 

數據來源：SRC分析（|SRC|>0.1為敏感參數）

核心發現：

COD去除：最敏感參數為 kSTO(SRC=-0.73) 和 μH(SRC=-0.70)

NH??-N去除：最敏感參數為 μALG(SRC=-0.59) 和 YSTO,O2(SRC=-0.56)

意義：指導參數校準優先級，減少模型不確定性

 

3. 模型驗證結果（圖7）

4. 

 

數據來源：4組進水條件對比實驗

核心發現：

校準后RMSE<0.05（表3）

 

高氨氮條件（Set 4）下NH??-N預測偏差<8%

意義：證實模型在多變水質下的魯棒性

 

丹麥Unisense電極的研究意義

技術原理

 

原位動態監測：OX-100便攜式溶解氧儀（2.1節）

高分辨率采集：秒級響應捕捉DO瞬變（圖3B）

無擾動測量：避免傳統采樣對微生態的干擾

 

關鍵數據作用

 

揭示氧限制轉折點：

120min時DO≈0.1 mg/L（圖3B），標識細菌代謝受抑時刻

支撐模型校準 r4=KLa(SO2sat?SO2)（公式5）

 

量化光合-呼吸平衡：

光照期DO回升證實藻類供氧（r3 公式4）

 

 

為 μALG（藻類最大生長率）校準提供依據（表3）

 

方法學創新

 

耦合模型校準：電極數據→優化 KLa（氧傳質系數）和 bH（衰減系數）

驗證代謝假設：證實藻類光合作用延遲供氧（vs 細菌即時耗氧）

 

工程價值

 

降低運行成本：替代傳統曝氣，節能25-45%（摘要）

優化PSBR設計：基于DO動態調整光照周期（圖3B響應曲線）

支持低碳技術：推動藻菌系統在廢水處理中的應用（結論節）

 

結論

 

參數敏感性穩定：不同擾動范圍（±5%~±50%）下敏感參數排序一致（TDCC>3.8）

模型可靠性：校準后RMSE<0.05，高氨氮條件預測偏差<8%

藻菌協同優勢：無曝氣實現高效脫碳除氮（COD>94%，NH??>75%）

Unisense電極價值：為氧傳質動力學提供高精度原位數據，支撐模型關鍵參數校準

 

技術啟示：本研究首次將Unisense電極的秒級DO監測與全局敏感性分析結合，為藻菌系統模型提供動態氧平衡數據，解決了傳統靜態采樣無法捕捉瞬態代謝響應的難題，為廢水處理低碳化提供技術范式。