优化堆肥过程排放的早期阶段 - - 人工智能初级测试

科学领域:

• 环境科学 环境科学
• 农业科学 农业科学
• 人工智能的人工智能

背景情况:

• 有机废物堆肥带来了排放挑战,包括氨 (NH3),一氧化碳 (CO),硫化 (H2S) 和二氧化碳 (CO2).
• 新型分析方法,特别是利用人工智能 (AI) 的分析方法,显示出改善堆肥过程的前景.

研究的目的:

• 使用机器学习 (ML) 模型预测和优化早期堆肥过程中的排放.
• 开发人工智能驱动的工具,用于实时监测和管理堆肥排放.

主要方法:

• 实验室堆肥实验使用不同的化温度 (50-70°C) 和生物炭剂量 (干重0-15%) 进行.
• 机器学习模型,包括人工神经网络 (ANN) 和决策树 (DT),使用排放数据 (CO,CO2,NH3,H2S) 进行选择和训练.

主要成果:

• 对于关键的堆肥排放,ANN和DT模型表现出令人满意的预测准确性.
• ANN 实现了 CO 的 R2 精度为 0.71, CO2 的 0.81, NH3 的 0.95 和 H2S 的 0.72.
• DT模型显示了可比的R2精度:CO为0.69,CO2为0.80,NH3为0.93和H2S为0.65.

结论:

• ML模型首次成功预测了堆肥过程中的CO和H2S排放.
• 基于人工智能的排放预测为实证堆肥分析提供了一种经济有效和快速的替代方案.
• 这种方法有助于加强对堆肥操作的控制和优化,以减轻有害排放.