基于机器学习的木质纤维素生物质热解产物分布预测框架：可解释性与不确定性评估

针对生物质热解过程建模中数据稀缺与模型可解释性不足的问题，研究人员开发了融合人工神经网络（ANN）、符号回归（SR）和SHAP分析的机器学习框架。该研究通过固定床实验数据构建模型，实现了R2 0.85的预测精度，SR模型在焦炭和气体相外推测试中R2 0.9，为生物质能源转化提供了兼具准确性与物理可解释性的决策工具。

　　

在应对全球能源转型的浪潮中，木质纤维素生物质（LCB）因其碳中性和高储量特性成为可再生能源研究的焦点。热解技术可将农业废弃物转化为生物油、合成气和生物炭等高附加值产品，但该过程涉及数百种并行化学反应，传统基于第一性原理的模型（如动力学模型、CFD模拟）面临反应机制复杂、计算成本高昂的挑战。尽管机器学习（ML）为过程建模提供了新思路，但现有研究普遍存在"黑箱"难题——模型预测结果缺乏物理解释性，严重制约了其在工业决策中的应用。

针对这一瓶颈，来自巴西的研究团队在《Bioresource Technology》发表了一项突破性研究。他们创新性地将符号回归（SR）与人工神经网络（ANN）相结合，构建了首个兼具高精度与物理可解释性的生物质热解预测框架。研究团队收集了29项固定床热解实验数据，通过质量变化基准重构特征空间，采用SHAP分析和偏最小二乘回归（PLS）进行特征重要性排序，并首次对SR参数进行不确定性量化。

关键技术方法包括：1）从文献中系统收集29项固定床LCB热解实验数据；2）建立基于质量平衡的ANN和SR模型；3）应用SHAP和PLS进行双重特征重要性验证；4）采用遗传算法进行SR方程搜索；5）通过参数不确定性评估提升模型鲁棒性。

研究结果

数据集特征
探索性数据分析揭示样本分布不均，75%数据集中在较低质量区间。这种偏态分布源于实验设计的生物质投料量差异，研究者通过质量转换基准有效解决了数据尺度差异问题。

模型性能对比
ANN与SR模型在测试集均表现优异，所有相产物预测R²

0.85。特别值得注意的是，SR模型在焦炭和气体相的外推测试中展现出更强泛化能力（R²
0.9），但对>10g生物油产量的预测存在局限，反映大质量区间数据稀缺的影响。

特征重要性解析
SHAP与PLS分析共同锁定温度、生物质氧含量为关键变量。PLS筛选的特征组合使SR方程复杂度降低40%，同时保持95%的预测精度，证实该方法在特征选择中的可靠性。

不确定性量化
通过蒙特卡洛模拟评估SR参数分布，发现温度相关参数具有最小变异系数（<8%），而生物质组分参数的置信区间较宽，提示后续研究需加强组分分析数据质量。

结论与意义
该研究开创性地将可解释AI引入生物质热解领域，其价值体现在三方面：1）首次实现热解产物分布的"白箱"预测，SR生成的数学表达式（如气体产率方程含exp(T/210)项）隐含反应活化能物理意义；2）通过质量基准转换确保模型符合物质守恒定律，克服纯数据驱动模型的物理不一致性缺陷；3）参数不确定性框架为工业放大提供风险量化工具。研究团队特别指出，当生物油产量>10g时需补充实验数据以提升SR泛化能力，这为后续研究指明方向。

这项工作的方法论创新具有跨领域启示，其"可解释性+不确定性"双评估框架可推广至其他复杂化工过程建模。正如作者Leonardo Voltolini强调的，该框架不仅助力生物质精炼厂优化工艺参数，更重要的是搭建了数据科学与过程工程的知识桥梁——让机器学习模型既能"算得准"，更能"讲得清"。