Deep Learning in der Abwasserbehandlung: eine kritische Überprüfung

Die Modellierung von Abwasserprozessen unterstützt Aufgaben wie Prozessprognosen, weiche Sensorik, Datenanalyse und computerunterstütztes Design von Abwassersystemen. Abwasserbehandlungsprozesse sind große, komplexe Prozesse mit mehreren Steuerungsmechanismen, einem hohen Maß an Störvariabilität und nichtlinearem (in der Regel stabilem) Verhalten mit mehreren internen Rückführschlaufen. Derzeit dominieren semi-mechanistische biochemische Modelle die Forschung und Anwendung, während datengestützte Deep-Learning-Modelle als alternative und ergänzende Ansätze auftauchen. Diese Modellierungsansätze haben sich jedoch in getrennten Forschungsgemeinschaften und Praxen entwickelt, sodass das Verständnis für die Stärken, Schwächen, Unterschiede und Ähnlichkeiten zwischen den Methoden begrenzt ist. Diese Überprüfung schließt diese Lücke, indem sie einen umfassenden Leitfaden zu Deep-Learning-Methoden und deren Anwendung auf die Modellierung von Abwasserprozessen bereitstellt. Die Überprüfung richtet sich an Experten der Abwassermodellierung, die mit etablierten mechanistischen Modellierungsansätzen vertraut sind und neugierig auf die Chancen und Herausforderungen sind, die sich aus den Deep-Learning-Methoden ergeben. Wir schließen mit einer Diskussion und Bedarfsanalyse über den Wert verschiedener Modellierungsansätze für Abwasserprozesse und offenen Forschungsfragen.