Abstract Water reuse for drinking, irrigation, district cooling, process heating/cooling, landscaping, etc. remains pivotal to water security and sustainability. Advanced oxidation processes (AOPs) are at the heart of the industrial wastewater treatment especially for the removal of contaminants of emerging concern. Recent studies conducted to advance AOP technologies for the degradation of industrial wastewater pollutants generally encompass seven areas, namely artificial neural networks (ANNs), sustainability, plasma activation, catalyst structures, AOP-Bioremediation, and membrane-based AOPs. This review presents the advancements in AOPs for oxidation and removal of a wide range of contaminants of emerging concern from water. Detailed discussions and a critical examination of recently published works are presented in this article. Many of the reports have recorded technical progress in the form of: improved energy efficiency through the use of low-energy and renewable energy sources, successful prediction of process performance and process control, improved light capturing capabilities through plasmonic effect, successful integration with biological treatment methods and membrane filtration. In spite of this progress, a number of challenges still persist such as lack of appropriate ANN modeling structures, impractical spatial and temporal scales of investigation (i.e. scales that are too low for real operations), and membrane fouling in membrane-based AOPs. These challenges and the strategies for addressing them are discussed in this article.

中文翻译：

---

去除水中污染物的高级氧化工艺的最新进展：综合综述

摘要 用于饮用水、灌溉、区域制冷、过程加热/冷却、景观美化等的水回用仍然是水安全和可持续性的关键。高级氧化工艺 (AOP) 是工业废水处理的核心，特别是用于去除新出现的污染物。最近为推进 AOP 技术降解工业废水污染物而进行的研究通常涵盖七个领域，即人工神经网络 (ANN)、可持续性、等离子体活化、催化剂结构、AOP-生物修复和基于膜的 AOP。本综述介绍了 AOP 在氧化和去除水中新出现的各种污染物方面的进展。本文介绍了对最近发表的作品的详细讨论和批判性审查。许多报告记录了以下形式的技术进步：通过使用低能源和可再生能源提高能源效率，成功预测过程性能和过程控制，通过等离子体效应提高光捕获能力，与生物处理的成功整合方法和膜过滤。尽管取得了这些进展，但仍然存在许多挑战，例如缺乏适当的 ANN 建模结构、不切实际的空间和时间调查尺度（即对于实际操作而言太低的尺度）以及基于膜的 AOP 中的膜污染。本文将讨论这些挑战以及应对这些挑战的策略。通过使用低能耗和可再生能源提高能源效率，成功预测过程性能和过程控制，通过等离子体效应提高光捕获能力，与生物处理方法和膜过滤的成功整合。尽管取得了这些进展，但仍然存在许多挑战，例如缺乏适当的 ANN 建模结构、不切实际的空间和时间调查尺度（即对于实际操作而言太低的尺度）以及基于膜的 AOP 中的膜污染。本文将讨论这些挑战以及应对这些挑战的策略。通过使用低能耗和可再生能源提高能源效率，成功预测过程性能和过程控制，通过等离子体效应提高光捕获能力，与生物处理方法和膜过滤的成功整合。尽管取得了这些进展，但仍然存在许多挑战，例如缺乏适当的 ANN 建模结构、不切实际的空间和时间调查尺度（即对于实际操作而言太低的尺度）以及基于膜的 AOP 中的膜污染。本文将讨论这些挑战以及应对这些挑战的策略。与生物处理方法和膜过滤的成功整合。尽管取得了这些进展，但仍然存在许多挑战，例如缺乏适当的 ANN 建模结构、不切实际的空间和时间调查尺度（即对于实际操作来说尺度太低）以及基于膜的 AOP 中的膜污染。本文将讨论这些挑战以及应对这些挑战的策略。与生物处理方法和膜过滤的成功整合。尽管取得了这些进展，但仍然存在许多挑战，例如缺乏适当的 ANN 建模结构、不切实际的空间和时间调查尺度（即对于实际操作而言太低的尺度）以及基于膜的 AOP 中的膜污染。本文将讨论这些挑战以及应对这些挑战的策略。