当前污水处理设施的调控多依赖于出水水质的末端反馈，而该模式存在固有的滞后性。从污染物进入处理系统到排水端检出结果，需经历较长的水力停留与检测时间；当运行人员接收到水质超标信号时，污染已经发生，调控的时效性明显不足。

针对这一瓶颈，中国科学院成都生物研究所谭周亮团队以活性污泥耗氧呼吸速率（OUR）为核心过程参数，建立了基于微生物活性的有效监测框架。研究发现，活性污泥中异养菌与自养菌的最大OUR随温度变化均符合指数函数关系；活性污泥总最大OUR与MLSS呈线性相关，可据此估算MLSS；氨氧化菌的实时OUR与底物浓度相关，遵循Monod动力学。在此基础上，提出以KPR法判别污水处理系统出水氨氮是否达标，该方法准确预警了两个污水处理厂的出水NH₃-N超标事件。如在日处理5000吨的污水处理厂，实现氨氮超标风险提前6小时预警，为运行人员留出了充足的处置时间，显著提高了调控的时效性。更进一步，以OUR为核心参数构建的RF模型在测试数据集上预测出水氨氮的R²达到0.9532，预测误差主要集中在±0.5 mg/L以内。将KPR与RF整合为新型KPR-RF方法后，实现了比单一方法更高的达标/超标预测精度。

该研究立足于微生物代谢活性的过程反馈视角，为污水处理系统构建了极具应用价值的出水氨氮预警方法，并为污水处理行业“过程反馈式智能调控”提供了崭新的理论框架与技术工具。相关成果可为市政污水处理厂的精细化运行、低碳调控以及农村分散式污水治理提供有力的技术参考。

相关成果以“Proactive Early-Warning of Effluent Through OUR Process Feedback: An Innovative Intelligent Prediction Framework for Wastewater Treatment as a Substitute for End-point Monitoring”为题发表在Journal of Cleaner Production上。中国科学院成都生物研究所硕士毕业生罗成、博士后余雅丹为论文共同第一作者，谭周亮研究员、陈杨武副研究员为共同通讯作者。研究得到四川省科技成果转化引导计划、中国科学院青年创新促进会、2025年国家资助博士后研究人员计划、中国科学院成都生物研究所青年探索等项目资助。

原文链接：https://doi.org/10.1016/j.jclepro.2026.149442

图1 研究框架图

图2根据KPR法判断污水处理系统出水氨氮是否达到排放标准

图3 RF模型的全数据、训练数据和测试数据的结果