有机废物堆肥领域的机器学习干预进展:模拟,预测,优化和挑战
Li-Ting Huang1, Jia-Yi Hou2, Hong-Tao Liu2
1Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China; School of Geography and Information Engineering, China University of Geosciences, Wuhan 430074, China.
Waste management (New York, N.Y.)
|February 24, 2024
概括
机器学习 (ML) 通过提高仿真准确性和优化产品质量来增强有机固体废物 (OSW) 的有氧堆肥. 这次审查强调了ML的ML.
科学领域:
- 环境科学 环境科学
- 生物技术是生物技术.
- 数据科学数据科学数据科学
背景情况:
- 有氧堆肥处理有机固体废物 (OSW),产生肥料,但由于复杂的新陈代谢,在模拟和优化方面面临挑战.
- 机器学习 (ML) 显示了预测和优化OSW堆肥参数和产品质量的前景.
研究的目的:
- 系统地审查ML在OSW堆肥中的应用,状态和多功能性.
- 确定ML重点的关键领域和OSW堆肥研究中常用的算法.
主要方法:
- 在OSW的有氧堆肥中对ML应用的系统文献审查.
- 分析ML在预测堆肥成熟度,环境污染物,营养素,水分,热量损失和微生物代谢方面的作用.
主要成果:
- ML的应用主要集中在堆肥成熟度和环境污染物上.
- 人工神经网络 (47%) 和遗传算法 (10%) 是最常见的ML模型和优化算法.
- 深度神经网络和集体学习提供了卓越的预测性能.
结论:
- ML是一种提高有氧堆肥效率和产品质量的多功能工具.
- 进一步的研究可以利用先进的ML模型来实现更客观,更准确的OSW堆肥管理.
