荧光光谱与人工智能强强联合，净水先锋组合出击

美国陆军预备役上士 Chris Miller 还是一名工程系学生时，曾造访过洪都拉斯、危地马拉和巴拿马。他是陆军工程建设队的一员，该组织从事社区建设，包括木工、电工甚至房屋建设等工作。Miller在服役期间获得了爱荷华大学的博士学位。在预备役 13 年后，正式退役并申请了俄亥俄州阿克伦大学土木工程系副教授一职。

Miller 的研究重点是饮用水质量监测和管理，以及处理优化。这个选择很有趣，他的工作主要是在实验室里进行实验。

在新角色下，他计划以一种全新的方式来攻克饮用水难题。

Miller 的工作充满挑战，横跨两个领域。一个是需要充分利用荧光光谱测量净化前后水中的更多变量；另一个是需要应用已知的化学模拟公式为水务公司提供更多决策意见。

要知道，水处理厂无法控制其水源的水质。降雨、温度变化和独特的地下水特征造成了极大变数，温度、浊度、pH 值、碱度、硬度和溶解的有机质都会影响水质。

这些变量以不同的组合出现，并随时间而变化。因而，管理这些复杂情况对处理厂的各种技术能力提出了更高的要求。尽管操作员可以通过在一定范围内控制部分化学物质和处理工艺，并设定多个输出和目标进行调节，但他们会面临项目发生冲突，并不总是能解决所有目标的问题。有时改善一种单一条件参数，却会让另一种参数变得更糟。
 

“这就是我们工程师的存在价值” Miller 说：“如果你将这个条件在可接受的范围内拉低 5%，则另一个条件可能会提升 20%。我就是在帮助（处理厂）量化这些影响和决定。这差不多就是工程学的用武之地。”

让Miller做出正确的决策离不开先进的科学仪器。 HORIBA 的 Aqualog 同步吸收- 三维荧光光谱仪 就是其中之一，它提供了更可靠的信息。它可同时测量吸收光谱和荧光激发-发射矩阵，能够帮助科学家监测进入处理厂的物质以及处理溶解有机成分过程的效率。

这些具体的信息为决策带来更好的见解和结果，让两难的选择变得更有依据也更具可靠性。

Miller博士还使用Aqualog帮助他建立各种来源的水成分数据库。大约12年前，他预感到收集净化处理前后的水的全扫描荧光数据会大有用途。如今，他已经拥有世界上最大的饮用水数据库之一。“伊利湖、新斯科舍、俄亥俄河和内陆水库样本的指纹图谱我都有。” Miller博士对此深感自豪。一项更加伟大而突破性的工程正基于此数据库积极展开，那就是人工智能预测建模。

人工智能从水源水质、水处理厂和添加的水处理化学物质开始，通过交互和组合计算，预测最终结果。“这有点像自动驾驶汽车，”Miller 说。“它必须通过观察到的路况来决定驾驶速度，而这些路况一直在变化。这就是预测建模。”

 Miller 在他创立的Fontus Blue, Inc. 公司建立了Decision Blue® 软件平台来实现人工智能预测建模。这样，他就可以为一些机构提供技术支援以帮助他们改善饮用水质量。具体来说，通过这个平台，公司可为高级水质数据监控、分析和处理优化提供专业的技术支持，解决各类水质合规问题，并为其设计更优的净水处理方案。

其实，不管模型有多复杂，人工智能软件都会随着时间的推移，根据模型中做出的决策而成长，进而变得更智能。“这个软件还支持新的监管条例，包括最近发布的（美国环境保护局）《铅和铜规则》（LCR）提案，其中包括一系列减少饮用水中铅暴露的措施。”Miller博士说，他将继续完善他的模型。

Miller博士正精益求精，加强监测、投入新的传感器和新的分析工具，以获得更好的见解和更优的结果。而这些全部需要基于对荧光样本进行的全扫描，没有这些实验数据做支撑，就无法为处理厂建模。可以说，荧光光谱与人工智能强强联合，这简直就是一套净水先锋组合拳，现在，它们正在奋力出击。让我们拭目以待！