在水热碳化过程中获取碳和无机:ANN和RSM建模

科学领域:

• 废弃物管理和回收利用
• 生物质转换技术 生物质转换技术
• 化学工程是化学工程的重要组成部分.

背景情况:

• 禽类垃圾是一个重要的废物流,具有资源回收的潜力.
• 水热碳化 (HTC) 是将生物质转化为增值产品的一种有前途的方法.
• 优化HTC参数对于最大限度地回收碳和等特定组件至关重要.

研究的目的:

• 为了建模和优化家禽垃圾的热水碳化 (HTC).
• 预测温度和反应时间对无机 (IP) 和碳 (C) 恢复的影响.
• 为了比较响应表面方法 (RSM),多层感知器 (MLP) 和辐射基函数 (RBF) 模型在HTC优化中的有效性.

主要方法:

• 使用响应表面方法 (RSM) 来分析温度 (150-300°C) 和时间 (30-480分钟) 的影响.
• 多层感知器 (MLP) 和辐射基函数 (RBF) 神经网络被用于模型比较和拟合.
• 模型性能使用平均平方误差 (MSE) 和R平方 (R2) 值进行评估.

主要成果:

• 与RBF模型相比,MLP模型表现出更高的准确性和效率,MSE较低,C和IP恢复的R2更高.
• 确定温度对资源回收的影响比反应时间更大.
• 最佳的HTC条件被确定为182.329°C和427.746分钟,产生59.611%的C和29.114 mg/g的IP回收.

结论:

• MLP是一种高效的技术,可以优化HTC条件,最大限度地从家禽垃圾中回收资源.
• 该研究强调了通过优化HTC工艺来实现营养回收和可持续废物管理的潜力.
• 了解温度,时间和产品产量之间的相互作用是有效生物质利用的关键.