近日，中国农业科学院农业环境与可持续发展研究所种植废弃物清洁转化与高值利用创新团队，通过机器学习算法对湿法沼气工程中发酵产物特性进行了精准预测，相关研究成果发表在《化学工程杂志（Chemical Engineering Journal）》上。

机器学习算法预测湿法沼气工程产物特性

       厌氧发酵是一种重要的农业废弃物处理途径，针对传统机器学习模型在预测发酵性能时存在的精度低、线性相关性差等问题，本研究选择超参数优化后的典型非时序模型（GBR和RF）和时序模型（LSTM、CNN-LSTM和DA-LSTM）用于预测湿法沼气工程中发酵产物的特性。

       该研究获得了较为理想的预测甲烷含量的GBR模型，且DA-LSTM在预测产气量方面优于LSTM和CNN-LSTM。该研究建立可靠的机器学习模型可为湿法沼气工程过程调控及高效产气提供重要的理论和技术支撑，同时涉及的方法框架包括输入数据预处理、模型训练和优化、精度验证和泛化能力提升等，可为其他可再生能源工程中模型预测提供方法指导。

       该研究得到国家现代农业产业技术体系、国家自然科学基金（32301727）、创新工程等项目的资助。

       原文链接：https://www.sciencedirect.com/science/article/pii/S1385894724070736