近日，中國農(nóng)業(yè)科學院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所種植廢棄物清潔轉(zhuǎn)化與高值利用創(chuàng)新團隊，通過機器學習算法對濕法沼氣工程中發(fā)酵產(chǎn)物特性進行了精準預測。相關研究成果發(fā)表在《化學工程雜志（Chemical Engineering Journal）》上。
厭氧發(fā)酵是一種重要的農(nóng)業(yè)廢棄物處理方法，針對傳統(tǒng)機器學習模型在預測發(fā)酵性能時存在的精度低、線性相關性差等問題，該研究選擇典型的2種非時序模型（GBR和RF）和3種時序模型（LSTM、CNN-LSTM和DA-LSTM）進行系統(tǒng)比較，模型超參數(shù)優(yōu)化后用于預測濕法沼氣工程中發(fā)酵產(chǎn)物的特性。
該研究獲得了較為理想的預測甲烷含量的GBR非時序模型，且時序模型DA-LSTM在預測產(chǎn)氣量方面優(yōu)于時序模型LSTM和CNN-LSTM。該研究建立的機器學習模型可精準預測濕法沼氣工程中發(fā)酵產(chǎn)物特性，為濕法沼氣工程過程調(diào)控及高效產(chǎn)氣提供重要的理論和技術支撐，同時該研究建立的方法框架包括輸入數(shù)據(jù)預處理、模型訓練和優(yōu)化、精度驗證和泛化能力提升等，可為其他可再生能源工程中的模型預測提供方法指導。
該研究得到國家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術體系、國家自然科學基金、中國農(nóng)業(yè)科學院科技創(chuàng)新工程等項目的資助。（通訊員：王佳）
原文鏈接：https://www.sciencedirect.com/science/article/pii/S1385894724070736
