不确定性感知机器学习框架下的木质纤维素生物质水热转化能量与碳分配

《ENERGY CONVERSION AND MANAGEMENT》：Energy and carbon routing in hydrothermal conversion of lignocellulosic biomass: An uncertainty-aware machine-learning framework

　　

本研究构建了一个具有来源感知（provenance-aware）且经过不确定性量化（uncertainty quantification, UQ）的框架，用于涵盖水热液化（hydrothermal liquefaction, HTL）、水热碳化（hydrothermal carbonization, HTC）及溶剂热（solvothermal）工况的木质纤维素及富木质素生物质水热转化。研究人员构建了一个经过整理与协调的数据库，包含来自187篇出版物的3675组实验，覆盖24个预测目标，包括产物产率、凝聚相性质以及衍生的能量/碳分配指标。研究人员选择随机森林（Random Forest, RF）是因其跨目标稳健性，而非普遍优越性。主要性能通过 shuffled 交叉验证与随机行测试集划分进行评估。以出版物分组的交叉验证（publication-grouped cross-validation）作为一种更严格的研究感知协议，既作为泄漏诊断，也作为过程特异性池化敏感性分析的共同评估基础。此外，采用三项针对性的留一出版物（leave-one-publication-out）基准评估在原料、溶剂、催化剂、过程子类型及 severity 变化下对选定未见过研究的迁移能力。全局 Shapley 加性解释（Shapley Additive Explanations, SHAP）归因被计算为条件模型关联，而非因果机制。预测不确定性通过基于集成（ensemble）的区间与保形校准（conformal calibration）进行量化，以支持区间知情筛选及下游技术经济评估（techno-economic assessment, TEA）/生命周期评估（life-cycle assessment, LCA）兼容评估。上述组件被集成至一个虚拟实验室界面，用于数据库探索与不确定性感知情景构建。

研究背景：木质纤维素生物质是最大的可再生还原碳库，但其高含水率、低能量密度及化学抗解结构使直接能源化利用面临挑战。从能量转化角度，水热过程本质上是一个碳与能量分配问题：在过程 severity、溶剂化学与原料组成的共同影响下，原料化学能与碳在液相、固相、水相与气相产物池之间再分配。水热液化（HTL）在近临界条件下运行，竞争性水解、解聚、缩合与裂解反应生成生物原油（biocrude）、焦炭（char）、水相与气相馏分；水热碳化（HTC）在较温和条件下运行，以脱水与缩合为主，生成水热炭（hydrochar）。关键评估问题在于原料质量、化学能与碳如何跨产物流分配，因为这些分配变量决定能量回收、碳保留与下游筛选。然而，已发表水热数据的异质性阻碍了跨研究比较与定量综合：各研究在原料来源、反应器设计、停留时间约定、产率基准与相分离方案上存在差异，因此单一研究内校准的经验趋势难以迁移至其他实验室或原料类别。机器学习为水热转化提供了有效的代理建模途径，但现有水热机器学习研究多强调产物产率或高位热值（higher heating value, HHV），而非可用于下游TEA/LCA的能量与碳分配变量，且不确定性量化（UQ）鲜有实施。缺乏校准不确定区间时，数据驱动的分配估计会以虚假精确的点输入进入下游评估流程，掩盖对筛选决策至关重要的工况依赖性不确定性。为此，研究人员开发了上述来源感知、不确定性量化的框架。论文发表在《ENERGY CONVERSION AND MANAGEMENT》。

关键技术方法：研究人员构建了以HTL与HTC为核心的文献衍生水热生物质转化实验数据库，每条实验条件表示为带明确来源元数据的单一归一化记录，强度量统一至干基原料基准，产率按来源研究定义的相处理方案归一化至干原料质量；数据库涵盖20–603 °C温度范围，以HTL及溶剂热-HTL记录为主，该子类型与温度不平衡被有意保留并解释为数据支持与预测不确定性考量。研究采用随机森林（RF）、Extra-Trees（ET）、XGBoost（XGB）与NGBoost（NGB）四类树集成模型进行比较，最终保留RF；采用SHAP（TreeSHAP实现）进行模型解释；采用基于RF集成的树分位数区间与保形预测（conformal prediction）进行不确定性量化，校准集由DOI分组交叉验证的折外残差构成；并开发了开源图形用户界面（GUI）虚拟实验室平台。

研究结果：
3.1 从协调数据集恢复的水热能量分配关联：Spearman秩相关图恢复出预期的 severity、溶剂与原料组成关联——温度升高与固体产率降低、气体产率升高及凝聚产物碳富集相关；原料碳含量与热值与水热固体品质正相关；灰分与固体能量密度强负相关。SHAP归因按原料组成、溶剂/介质、操作条件与催化剂系统四类描述符分组归一化：生物原油产率（BY）的相对份额为组成46.0%、溶剂或介质26.9%、操作条件16.5%、催化剂10.6%；固体产率（CY）操作条件贡献增至23.7%、催化剂降至4.8%；生物原油能量（EB）为组成38.6%、溶剂或介质30.8%、操作条件24.2%、催化剂6.4%；生物原油HHV为组成47.1%、溶剂或介质44.4%、操作条件8.0%；水热固体HHV则由原料组成主导（88.9%），灰分是其主要负向归因。上述均为条件模型关联而非因果机制。
3.2 代表性目标上的交叉验证模型选择与稳健性分析：四类树集成模型平均R2相近（RF≈0.83、ET≈0.82、XGB≈0.81、NGB≈0.79），无模型在所有目标族中占优；RF因跨目标稳定性能及与解释和不确定性量化流程的兼容性而被保留。
3.3 扩展目标集上的泛化：24目标十折交叉验证显示，产物产率与衍生能量/碳分配指标性能最高且最稳定，凝聚相性质平均R2约0.7。BASE配置完整性约95.6%，TRIPLET降至约84.4%但改善多数响应性能，表明结构组分提供了终极分析与Van Krevelen比之外的信息。产率预测中生物原油与固体产率奇偶云最紧、预测与实测核密度估计（KDE）重叠最强，约九成测试点落在±10%带内；气体与水相产率尾部敏感性更大。过程特异性敏感性分析表明，在出版物分组交叉验证下池化HTL+HTC模型对产率与能量/碳分配的表现与过程特异性模型相当，保留过程子类型作为分类描述符可适度改善或维持池化性能；主要例外是固体HHVbiochar，HTL特异性模型表现更优。温度带诊断显示250–350 °C窗口记录最多、产率偏差最小；在T?350 °C支持较少的尾部，模型倾向高估生物原油产率。能量与碳分配目标中，液相指标（EB、CB）散布较宽、±10%覆盖约中高80%，固相指标（EH、CH）R2接近0.93、±10%覆盖通常高于94%。
3.4 代表性研究块的局部响应面重建：在松木酸性共溶剂HTL研究窗口内（200–280 °C、10–100 min、2 wt% H?SO?、1,4-丁二醇/三乙醇胺），生物原油能量产率面在高温与中等停留时间（约50–60 min）出现脊线，过长停留时间部分将碳重新导向固体或气体；固体残余能量与碳面随温度升高而下降，四者共同刻画由固体残余主导向液体主导的 severity 驱动转变。所有响应面均为窗口内插值，不代表全局最优。
3.5 不确定性感知预测：以生物原油产率（BY）为例，留出测试集（n=544）上R2=0.826、RMSE=7.35 wt%；名义90%集成区间平均宽度16.41 wt%（中位数12.27 wt%，Q90=33.65 wt%），平均绝对误差4.44 wt%（Q90=10.45 wt%），经验覆盖率为78.5%，表明集成散布应主要解释为相对认知不确定性指标而非覆盖保证的预测区间。学生化残差近似对称、集中于零附近，多数落在±2标准差内。区间宽度在密集的木质纤维素核心化学空间内较低，偏离该区域时增大；温度依赖性相对整体散布至多较弱；木质生物质类别区间宽度分布较窄，农业残余与富木质素技术流典型宽度更大、上尾更重。与既往不确定性量化研究相比，本框架的差异主要在于覆盖全部24目标集的一致报告、区分集成散布诊断与分组交叉验证残差（保形）区间，并将出版物分组验证作为显式敏感性分析。
3.6 出版物与化学域偏移下的行为：三项留一出版物基准分别探测不同偏移方向。山茶（Camellia oleifera）HTL（Duan et al.）为富氮组成边界案例，在260–320 °C、40 min下模型复现温度驱动趋势（生物原油产率单调上升、固体残余下降、总转化率上升），但绝对生物原油产率被中度高估（约20–23 wt% vs 实测15.5–21.1 wt%），排序、响应曲率与不确定性包络得以保留；该结果解释为向核心适用域边界附近选定未见过出版物的迁移，不构成对富蛋白生物质类别的普遍预测性能。稻壳乙醇液化（Huang et al.）结合高灰富硅原料、供氢溶剂与可选碱催化，模型保留生物原油产率与固体残余的定性变化方向并识别碱驱动产率上升及其后续收益递减，但绝对产率被系统性高估约20 wt%（约35–40 wt% vs 实测12–19 wt%），源于乙醇与碱催化协同在剩余训练数据中代表性不足。玉米秸秆HTC（Zhang et al.，180–260 °C、1–24 h，仅非酸案例）中，模型复现 severity 响应（水热炭产率随温度与停留时间下降，RMSE=3.09 wt%，R2=0.83），并在Van Krevelen空间保留脱氧–脱氢轨迹的排序与方向（O/C–H/C空间欧氏误差0.149，中位向量距离0.133），O/C相对误差（26.65%）大于H/C（10.46%），与差减氧传播不确定性一致。
3.7 面向数据驱动水热转化虚拟实验室：开发了开源GUI，支持交互式数据库探索、不确定性感知筛选与可复现情景构建，提供全协调数据库访问、24目标模型集的不确定性有界前向预测、温度/停留时间/溶剂/催化剂效应的参数扫描探索以及结构化实验数据录入。
3.8 对能量转化评估与过程筛选的启示：路由框架将产率与凝聚相品质预测转化为EB、EH、CB、CH等TEA/LCA兼容筛选输入。以桦木锯屑HTL（300 °C、30 min、水、无催化剂、1 kg干基）为例的筛选级情景中，来源记录BY=18.9 wt%，RF类平均预测BY=32.5 wt%（90%保形区间8.6–56.3 wt%），二者为互补数据点而非矛盾；宽区间反映共享相同模型可见描述符记录间的方案级变异，是下游筛选计算应对预测不确定性时更合适的输入。
3.9 范围、适用性与部署限制：该框架是文献衍生的筛选预测层，而非过程设计、TEA或LCA的替代；部分凝聚相性质（含生物原油HHV）预测保真度较低，下游指标应连同模型不确定性报告。目标集预测总气体产率但不含气体分子组成、元素组成或低位热值，记录水相/其他产率但不解析水相总有机碳、形态或循环回路行为。RF可表示观测特征组合支持的交互，但不自行确立因果协同；溶剂、催化剂、气氛与过程背景的分类表示不提供对未观测介质的可靠外推。蛋白质与脂质组分不是专用模型描述符，富蛋白、富脂及混合原料案例需谨慎。Van Krevelen比与固相HHV不是水热炭持久性、土壤性能或碳封存永久性的直接测量。文献语料以实验室规模研究为主，连续反应器部署引入的停留时间分布、传热传质、相分离与集成效应未获验证。保形预测区间是在其所述假设下的校准区间，而非唯一确定的概率分布。

讨论与结论：本研究开发了一个不确定性感知的木质纤维素生物质水热转化能量与碳路由框架，将带来源注释、干基协调的文献HTL、HTC与溶剂热实验数据库与覆盖24个输出的目标级预测模型相耦合；数据库仍是关键贡献，但其作用在于支持异质原料、溶剂、催化剂与 severity 条件下质量、能量与碳分配的可比预测。框架在产品产率上约R2≈0.8，能量/碳分配约R2≈0.8–0.9，生物原油HHV约R2≈0.7、RMSE约2–3 MJ kg?1；RF被选为默认模型族，因其在产率、分配指标与凝聚相品质描述符间提供最稳定的跨目标折中，而非在每个单一目标上普遍优越。解释结果恢复了既有的 severity、溶剂与组成趋势：较高 severity 与固体保留减少、气体生成增加及凝聚产物碳富集相关，固相能量品质仍与原料组成（特别是碳与灰分含量）强相关；这些被视为文献衍生数据中模型支持的条件关联，而非新的机理证明。不确定性分析将支持良好的预测工况与约束较弱区域区分开：集成区间提供相对认知不确定性的有用诊断，保形变体在需要名义覆盖时更适合保守情景边界。稳健性通过出版物分组交叉验证与针对性留一出版物基准检验，结果支持跨选定未见过研究的筛选级迁移，同时揭示显著的研究与域依赖误差，如稻壳乙醇液化中生物原油产率的系统性偏移；在部署于详细过程设计之前仍需更广泛的前瞻性验证。对于《ENERGY CONVERSION AND MANAGEMENT》的应用而言，该框架为水热生物质转化路径的筛选、情景构建及下游TEA/LCA兼容评估提供了预测层；示例性筛选级情景展示了区间有界路由预测如何在声明假设下转化为TEA/LCA兼容的能量-公用工程指标与公用工程/原料温室气体（GHG）代理。完整TEA/LCA整合，包括改质、终端使用、副产物信用、工厂规模经济、更广泛敏感性分析及稀疏工况的针对性实验补充，仍是未来工作方向。