从食品加工废水中预测单细胞蛋白质的产量,在批量反应堆中使用集体学习对批量反应堆进行测序

科学领域:

• 生物技术和生物化学工程 生物技术和生物化学工程
• 环境科学与工程环境科学与工程
• 在环境系统中的机器学习应用.

背景情况:

• 从食品加工废水中生产单细胞蛋白质 (SCP) 提供可持续的资源回收和动物料.
• 在可变条件下准确预测SCP系统性能对于运营效率至关重要,但由于复杂的生物反应而具有挑战性.

研究的目的:

• 开发和评估集体学习算法,用于预测基于连续流量,测序批量反应器的SCP系统的性能.
• 识别影响系统性能的关键特征,用于模型优化和运营决策.

主要方法:

• 经过训练和测试的集体学习算法:集体支持向量回归,集体高斯过程回归 (GPR),随机森林和极端梯度提升.
• 使用的工业大豆加工废水作为测序批量反应堆 (SBR) 系统中的影响.
• 进行可解释的分析,以验证模型优化的特征意义.

主要成果:

• 集体学习模型,特别是基于GPR的集体,在预测废水和生物质变量方面表现明显优于线性回归.
• 具有影响力的特征的基于GPR的合集实现了生物质生产预测的确定系数 (R2) = 0.72,与线性回归 (R2) = 0.4.4.2相比,显示出优异的性能和减少过度拟合.

结论:

• 集体学习,特别是GPR,提供了一个强大而准确的方法来预测SCP系统在动态条件下的性能.
• 开发的模型为运营决策提供了宝贵的见解,提高了资源回收和废水处理过程的效率.