近日，中國農業科學院農業環境與可持續發展研究所種植廢棄物清潔轉化與高值利用創新團隊，通過機器學習算法對濕法沼氣工程中發酵產物特性進行了精準預測。相關研究成果發表在《化學工程雜志（Chemical Engineering Journal）》上。
厭氧發酵是一種重要的農業廢棄物處理方法，針對傳統機器學習模型在預測發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）進行系統比較，模型超參數優化后用于預測濕法沼氣工程中發酵產物的特性。
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在預測產氣量方面優于時序模型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酵產物特性，為濕法沼氣工程過程調控及高效產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據預處理、模型訓練和優化、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。
該研究得到國家現代農業產業技術體系、國家自然科學基金、中國農業科學院科技創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
