使用人工神经网络与粒子群算法相结合,优化从甜包中生产生物甲的生产
Lakshmi Machineni1, Gangagni Rao Anupoju2,3
1Bio Engineering and Environmental Sciences (BEES) Group, Department of Energy and Environmental Engineering (DEEE), CSIR-Indian Institute of Chemical Technology (IICT), Hyderabad, 500007, India. lakshmimachineni@gmail.com.
Environmental science and pollution research international
|October 19, 2023
概括
可以通过无氧消化 (AD) 为生物气体生产优化甜包油 (SSB). 该研究发现了最大限度地提高甲产量的特定条件,提供了可持续的能源替代方案.
科学领域:
- 生物技术和生物能源
- 可再生能源可再生能源来源
- 环境科学 环境科学
背景情况:
- 全球对可持续能源解决方案的需求不断增长,推动了对替代原料的研究.
- 非食用农业残留物,如甜包 (SSB),是生物炼油厂未充分利用的资源.
- 无氧消化 (AD) 是将生物质转化为生物气 (甲) 的关键技术.
研究的目的:
- 通过无氧消化 (AD) 评估和优化甜包油 (SSB) 的甲潜力.
- 确定最佳的过程参数,以最大限度地提高SSB的生物甲产量.
- 开发用于从不可食用的农业残留物生产沼气的预测模型.
主要方法:
- 生物化学甲潜力 (BMP) 测定是在介质和热性条件下进行的.
- 在50天的实验中,基质与注射液的比率 (SIR),pH值和混合速度各不相同.
- 人工神经网络 (ANN) 模型与粒子群优化 (PSO) 集成,用于参数分析和预测.
主要成果:
- 最优的基质与注射器比率 (SIR 5) 产生了最高的累积生物甲,为4.25 L甲/g VS.
- 最佳条件导致延迟阶段 (7.5天) 和消化时间 (24天) 的减少.
- 在预测生物甲产量方面,ANN-PSO模型取得了高准确性 (R2 > 0.995).
结论:
- 甜包的无氧消化是一种可持续生物甲生产的可行方法.
- 优化的工艺参数显著提高了沼气产量,减少了消化时间.
- 先进的建模技术 (ANN-PSO) 有效地预测和优化农业残留物生物气生产.
