通过机器学习预测和优化生物质兼容性比率,以增强无氧共消化中甲生产
Yadong Ge1, Zaixin Li1, Zhuang Yuan1
1School of Environmental Science and Engineering, Tianjin University, Tianjin 300350, China.
Bioresource technology
|August 5, 2025
概括
这项研究开发了一种使用机器学习优化甲生产的无氧共消化 (ACoD) 模型. 确定了碳含量和原料比率等关键因素,从而提高了沼气产量.
科学领域:
- 生物技术和生物工程 生物技术和生物工程
- 环境科学 环境科学
- 可再生能源可再生能源是可再生能源.
背景情况:
- 无氧共消化 (ACoD) 是生产沼气的一个关键过程.
- 优化ACOD需要理解输入参数之间的复杂相互作用.
- 机器学习为预测和优化ACOD性能提供了潜力.
研究的目的:
- 开发一种机器学习模型,用于预测ACOD中的最佳输入参数.
- 通过参数优化,最大限度地提高甲的产量.
- 确定影响ACOD中甲产量的关键因素.
主要方法:
- 使用机器学习技术开发无氧共消化 (ACoD) 模型.
- 预测建模以确定产生甲的最佳输入参数.
- 分析包括碳含量,反应时间和原料比例在内的因素.
主要成果:
- 机器学习模型实现了高预测精度 (R2=0.951,RMSE=0.57).
- 碳含量,反应时间和原料比率被确定为关键因素,解释了90%以上的输出变化.
- 为了最大限度地提高甲生产,确定了2.5 (累计) 和1:9 (每日) 的最佳原料比率.
结论:
- 开发的ACOD模型有效地预测了增强甲生产的最佳参数.
- 这些发现为提高生物气生产效率在实际应用中提供了基础.
- 实验验证证证实了模型的预测,强调了它的可靠性.
