理化知识是构成物理化学过程运行的第一性原理基础，数学上旨在表达机理过程要素关联，包含大量本征结构参数，知识壁垒高，跨学科应用难。污水处理理化知识表达的主要形式是活性污泥系列模型，即ASM模型，这些模型采用生化过程与物质间的矩阵表格形式表示，本质是动力学微分方程及物质间转化的计量学关系。在真实工艺场景的动态过程中，机理模型大量参数的动态调控十分困难，难以直接应用到工艺的动态预测与智能控制模型中。如果抛开机理知识表达，将蕴藏的机理因果关系简化、提取为纯数据关系的表达，这就是信息空间的一种描述方法。

针对这一问题，重庆研究院水污染过程与防治研究团队引入工艺描述符这一全新概念，将生物脱氮（BNR）过程的化学计量因果关系转化为结构化矩阵形式，使得控制与建模相关专业人员可依托结构化数据，以程序化或纯数学方式应用工艺数据规律，而不要求掌握相关的生化知识背景。研究成果以“Developing process descriptor for biological nitrogen removal in wastewater treatment”为题在《Water Research》上发表，重庆研究院殷逢俊研究员为第一作者，刘鸿研究员为通讯作者。该工作为污水处理工艺的数据计算、可观性分析、智能控制模型构建提供了一套信息空间的纯数学工具，价值在于以下三方面。

首先，提供一套脱氮工艺计量学关系的统一描述矩阵方程工具，可通过纯矩阵规则计算的数学推导获得部分硝化、部分反硝化、厌氧氨氧化任意组合工艺的矩阵描述方程，无需任何工艺层面的理化知识信息，展示了一种信息空间数据关系表示的典型形式。

图1 纯数学推导得到的硝化、反硝化、厌氧氨氧化任意组合工艺描述符方程

其次，依托描述符方程构成工艺可观性分析的数学基础，为复杂、不可观生物脱氮工艺的传感器优化布设提供理论依据。工艺的可观性理解为描述符方程是否可解，本质是观测参数量是否大于等于待确定参数量。已经确定部分硝化、部分反硝化、部分硝化/厌氧氨氧化、部分反硝化/厌氧氨氧化是四个基本可观单元，复杂工艺过程可以拆分为若干基本可观单元的组合，从而转变为可观系统，这就能为如何布设在线检测的观测点提供指导。

图2 复杂过程拆分为基本可观单元的在线检测点布设示意图

第三，描述符方程描绘工艺当前状态下的确定性参数映射空间，大幅降低人工智能模型所需学习的不确定关系维度。如下图所示，工艺优化的约束条件是工艺的结构和状态参数，关键是从参数映射空间内寻找最优参数组合，使得成本目标函数达到最小。数据驱动模型只需负责学习不确定参数的映射关系，如温度、负荷或暴雨极端事件等与工艺状态参数的映射关系。

图3 基于工艺描述符的优化控制逻辑：(a-d)描述符方程绘制的参数空间，（e）利用工艺结构参数构建优化控制的线性规划模型。

论文连接如下：https://doi.org/10.1016/j.watres.2026.125907