应用机器学习对废物污泥的无氧发酵,使用两个有针对性的建模策略

科学领域:

• 环境工程环境工程
• 生物技术是生物技术.
• 机器学习应用 机器学习应用

背景情况:

• 无氧发酵有效地从废弃活性污泥 (WAS) 中恢复挥发性脂肪酸 (VFA).
• 准确预测和优化VFA生产对于推进无氧发酵过程至关重要.
• 开发强大的模型是从污泥中有效采集VFA的关键.

研究的目的:

• 开发和比较机器学习模型,用于预测WAS的每日VFA收益率.
• 研究两种策略:一种优先考虑可解释性,另一种专注于实际成本效益.
• 确定影响VFA生产的关键因素,并优化发酵过程.

主要方法:

• 利用机器学习,特别是支持向量回归,以建模VFA生产.
• 采用了两种不同的建模策略,重点关注可解释性和成本效益.
• 进行特征重要性分析,部分依赖图和SHAP (谢普利添加式解释) 以获得详细的见解.
• 集成的预测模型与优化算法来确定最佳的VFA收益率.

主要成果:

• 支持向量回归显示了高的预测准确性,在两个策略中实现了0.949和0.939的R2值.
• 通过特征重要性和可解释性分析,确定了影响VFA生产的关键因素.
• 优化的VFA产量达到2997.282 mg/L,比平均运营水平增加45.2%.

结论:

• 机器学习,特别是支持向量回归,为预测和优化WAS的VFA生产提供了强大的工具.
• 该研究为提高无氧发酵工程中的VFA收获效率提供了实用见解.
• 开发的模型有助于改善过程控制和从污泥中回收VFA的经济可行性.