基于多任务神经网络的咖啡副产品增值利用适用性评估

《Sustainability》：Sustainability Assessment of Coffee By-Product Valorization Using Explainable Neural Networks in Smallholder Food Systems

　　

摘要

咖啡副产品增值利用提供了资源回收的机会，但其实施取决于小农的能力。本研究利用多任务神经网络开发了一种多维评估方法。文献为概念框架提供了依据，而实施过程中生成了260个生产者画像和12项技术的参考目标。采用有放回抽样产生了3600条记录，其中包含2120个不同的生产者—技术配对，而非独立的实证观测数据。环境、经济、社会和技术评分通过预定义规则构建，同时生成了适用性评分和采纳标签。评估过程中在分区之间分离了生产者标识符。适用性预测的MAE为0.0492，RMSE为0.0628，在0–100分制上分别相当于4.92分和6.28分。R² = 0.5538表明预测解释了参考评分55.38%的变异，而非55.38%的正确预测概率。表现中等，仍有大量变异未被解释。采纳判别AUC达到0.7087。技术可行性与参考适用性的关联最强，这在一定程度上反映了目标构建方式。对于酚类提取技术，预算和技术技能共同影响了预测的兼容性。这些结果支持在计算环境中进行探索性比较；其实用性尚未得到验证。未来研究应使用独立的生产者记录对结果进行验证，与更简单的模型进行比较，并在将预测用于筛选增值利用路径或指导投资决策之前，将生产者的优先事项纳入权重考量。