推进渗透预测技术:一种基于深度学习的替代建模方法
《Journal of the Science of Food and Agriculture》:Advancing forward osmosis predictions: A deep learning-based surrogate modeling approach
【字体:
大
中
小
】
时间:2026年05月14日
来源:Journal of the Science of Food and Agriculture 3.5
编辑推荐:
**摘要**
**背景**
本研究提出了一种基于深度学习的替代模型,用于在多种操作条件下快速准确地预测正向渗透(FO)的性能。为了评估数据驱动方法的适用性,开发并系统比较了多种机器学习模型——决策树、随机森林、支持向量机和深度神经网络(DNN),并使用了不同大小的数据集进行
**摘要**
**背景**
本研究提出了一种基于深度学习的替代模型,用于在多种操作条件下快速准确地预测正向渗透(FO)的性能。为了评估数据驱动方法的适用性,开发并系统比较了多种机器学习模型——决策树、随机森林、支持向量机和深度神经网络(DNN),并使用了不同大小的数据集进行测试。
**结果**
模型性能显著依赖于数据集的大小。当使用超过1563个数据点进行训练时,基于DNN的替代模型取得了更高的准确性,而随机森林模型在数据集较小时(<1563个数据点)表现更佳。Shapley additive explanation (SHAP) 分析表明,DNN模型有效地捕捉了输入参数与FO性能之间的物理关系。基于DNN的替代模型预测的水通量的归一化均方根误差(NRMSE)为0.082,与数值模拟模型的0.083相当。
**结论**
所提出的基于DNN的替代模型在保持高预测准确性的同时,大大减少了计算时间,有助于食品制造中的快速高效过程优化。? 2026 作者。本文发表于《Journal of the Science of Food and Agriculture》,由John Wiley & Sons Ltd代表化学工业协会出版。
**引言**
正向渗透(FO)作为一种有前景的技术,具有低能耗、减少污染以及高效去除无机和有机化合物的优点。它在食品行业的应用潜力巨大,特别是在废水管理以及蒸发或喷雾干燥前的预浓缩过程中,因为其能够高效去除大部分盐分。与传统的热浓缩方法相比,FO在低温或常温下运行,有助于保持风味、营养价值和生物活性化合物等品质特性。尽管如此,将FO技术规模化应用于工业领域仍面临挑战。在实际的大规模应用中,需要进行有效的过程优化。由于膜配置、流动方向、流速以及温度和盐浓度梯度等多种因素的影响,预测大规模处理过程中的水通量和反向盐通量非常复杂。
**发展适用于工业规模的成本效益的FO应用的一种方法是开发能够描述动态操作条件下膜性能的数学模型。准确的预测模型可以在无需大量数据收集的情况下实现FO操作的优化。**Bui等人提出了一个先进的对流-扩散模型,该模型考虑了两种外部浓度极化和一种内部浓度极化。Kim等人认识到系统内部的差异性(即膜入口处的流体条件可能与出口处不同),提出了一种新的数值方法。他们的结果表明,这种考虑空间变化边界条件和内部传输现象的模型,在各种实验条件下的预测准确性优于之前的平均化集总模型。尽管已经开发并应用了这些模型的先进数值算法,但在工业实现中仍存在挑战。这些算法的计算往往非常耗时,尤其是对于大型系统。数值建模中的发散问题也是一个挑战。为了解决这个问题,需要仔细监控和调整超参数(如初始近似值和学习率)。这需要大量的计算时间,并需要专门的技术知识。因此,人们对人工智能(AI)和基于机器学习的模型(通常称为替代模型)作为传统数值方法的替代方案越来越感兴趣。最近的机器学习进展使得能够开发出更加复杂的替代模型,这些模型能够处理复杂的非线性交互并提高准确性。基于机器学习的替代模型最近已被应用于需要计算成本高昂的仿真的各种研究领域,包括化学和机械工程过程。**
**这些替代模型的一个主要优点是,一旦开发完成,它们可以提供快速预测而无需进一步调整模型。**它们还可以方便地集成到软件平台中,使用户能够根据指定的输入快速预测输出,几乎不需要用户干预。这种简化且用户友好的方法扩大了预测模型的应用范围,并促进了其在实际工业应用中的采用,包括FO过程预测。在基于机器学习的替代模型中,选择合适的机器学习算法和确定数据集大小对模型性能至关重要。每种算法都有其独特的优势和局限性,这些因素会影响替代模型的性能。算法的选择还取决于数据的性质和大小,因为小型数据集可能导致不准确,而大型数据集的收集和处理则非常耗时。因此,理解不同机器学习算法的优势和局限性以及数据大小的影响对于确定在动态操作条件下预测FO过程的最佳替代建模方法至关重要。然而,现有文献表明,对于不同机器学习算法和数据大小对FO预测模型性能影响的理解仍然有限。最近的研究似乎在将AI方法与FO建模集成方面取得了显著进展。然而,大多数努力集中在使用从实验研究中获得的数据集来开发AI模型,这需要付出大量努力来获得足够的数据以确保模型的可靠性。在试点或工业规模上进行数据收集往往不切实际且经济效益低下。因此,本研究的目的是开发一种用于预测FO中的水通量和反向盐通量的替代模型。首先使用数值模型生成了一个数据集来训练基于机器学习的替代模型,然后比较了几种机器学习算法(决策树、随机森林、支持向量机和深度神经网络)的预测性能,并研究了数据集大小对替代模型性能的影响。最后,使用实验数据验证了表现最佳的模型。
**数值方法**
支持信息,图S1展示了FO操作的数值方法示意图。方程(1)和(2)描述了由浓度差异产生的渗透压梯度驱动的水通量(Jw)和反向盐通量(Js):
(1)
(2)
其中A表示FO活性层的水渗透性;B表示FO活性层的盐渗透性; 和 分别表示抽取液和进料液的渗透压; 和 分别表示抽取液和进料液的盐浓度; 和 分别表示进料流和抽取液边界层上的质量传递系数;S是膜支撑层的结构参数; 表示抽取液中盐的扩散系数。上述方程考虑了FO过程中的浓度极化(CP)。FO中的浓度极化受膜固有性质、流体力学、进料液和抽取液特性以及污染现象的影响。污染会通过增加质量传递阻力而进一步加剧CP。当进料液和抽取液之间存在温度梯度时,稳态下的膜表面温度可以如方程(3)和(4)所示表达:
(3)
(4)
温度(T)影响扩散系数(D)、密度(ρ)和粘度(η),这些参数是计算质量传递系数(k)所必需的,如先前研究所述。温度影响多个参数,因此应考虑膜结构上的温度梯度。因此,应结合方程(1)和(2)使用方程(3)和(4)。还需要考虑从入口到出口沿膜通道的温度和浓度变化。如图1所示,可以采用数值方法来考虑膜通道内的变化。
**方法论**
基于机器学习的替代模型的开发过程示意性地展示在图2中。该模型使用来自数值模拟的数据进行开发。数据集包含6250个样本,其中80%(5000个样本)用于训练,20%(1250个样本)用于验证。还使用了一个具有不同输入参数分布的独立测试数据集来评估模型的泛化性能。
**过程开发**
五种机器学习模型被用来评估FO预测性能。对于每个模型,都调整了超参数以控制学习过程。超参数优化过程的详细信息在支持信息中提供。已知数据集大小显著影响机器学习模型的性能。因此,在每个模型使用其最优超参数训练后,都研究了数据集大小的影响。每个优化后的模型均使用不同的数据子集(100%、50%、25%、10%和5%)进行了测试。最后,使用单独的测试数据集和实验数据进一步评估了在估计FO方面表现最佳的机器学习模型。数据收集的详细信息如下:FO的性能由水通量(Jw)和反向盐通量(Js)来表征。通过在指定操作条件下的温度依赖性数值实验获得了包含水通量和反向盐通量的数据集。实验设计采用了五因素全因子设计(DOE)来生成模拟数据。影响FO性能的因素包括进料温度、抽取液温度、通道宽度、通道长度、盐浓度和流动方向(顺流和逆流)。这些参数的选择基于它们对FO操作的显著影响。输入参数的详细信息总结在表1中。从数值实验中总共获得了6250个数据点。
**数据规范化**
使用z分数方法(标准化)对数据进行规范化处理,将数据的平均值转换为0,标准差转换为1:
(5)
其中 是原始值, 是数据集的平均值, 是标准化后的值。该数据集是通过全因子设计从结构化的数值模拟中生成的,因此不包含实验数据集中常见的异常值。因此,没有应用额外的异常值检测或删除程序。从数值实验中收集的数据进一步分析,以评估输入参数(进料温度、抽取液温度、通道宽度、通道长度、盐浓度和流动方向)对FO过程中水通量和反向盐通量的影响。使用非参数的Spearman等级相关性来分析输入和输出之间的非线性关系。Spearman等级系数 的计算公式如下:
(6)
其中 是配对等级的差值。 用于评估两个变量之间的相关性强弱,其范围在-1到1之间。除了用于开发基于机器学习的替代模型的6250个数据点外,还生成了一组单独的测试数据集,以评估模型在不同条件下的性能。测试数据中的输入参数水平与模型开发时使用的不同。具体来说,进料液和抽取液的温度固定在25°C,而通道宽度和长度在四个不同水平上变化:通道宽度为0.0572、0.0800、0.103和0.126米,通道长度为0.230、0.691和1.611米。盐浓度也在0.7、1.4和2.1 mol L?1之间变化。这组测试数据没有用于训练或验证替代模型,而是仅用于评估模型在未知数据上预测FO行为的表现。
**决策树回归**
决策树是一种用于分类或回归问题的机器学习算法。树由根节点(输入节点)、分支(决策节点或分裂节点)和叶节点(输出节点)组成。该方法涉及根据定义的函数和纯度标准在每个节点递归地分割数据集。在每次分割时,计算损失(即预测值和实际值之间的误差),然后算法选择最小化损失的变量。分割可以通过函数(f)如下描述:
(7)其中 和 分别表示左侧和右侧的样本数量; 表示候选分割; 和 分别代表通过将数据分割成候选分割而确定的决策树的左右两侧,S是损失函数。回归分析是使用Python 3.9开发的代码进行的。随机森林回归
随机森林是一种类似于决策树的回归算法。随机森林的输出是所有树预测的平均值。通过从原始训练数据(D)中提取(n)个样本的子集,生成多个独立的子集(Db)。这样,就可以使用输入向量()从这些子集构建K个独立的回归树。随机森林回归可以用以下方程式描述:
(8)
支持向量机回归
支持向量机回归将输入数据集处理到n维空间中。使用核函数将数据转换到更高维的特征空间中。然后构建一个超平面,以最大化超平面与每侧最近数据点之间的距离。对于回归,因变量和自变量之间的关系可以表示如下:
(9)其中 表示使用支持向量机回归得到的预测值; 表示权重向量; 表示非线性特征函数。通过使用不敏感的损失函数和给定的数据集,方程(9)被转换为最优回归函数如下:
(10)
其中C表示正则化参数; 和 表示松弛变量; 表示描述回归逼近准确性的参数。基于拉格朗日理论和高斯核函数的应用,回归可以表示如下:
(11)
支持信息表S1–S3描述了机器学习模型的优化过程。深度神经网络模型
深度神经网络模型(DNN)的架构由三个不同的层组成——输入层、隐藏层和输出层——每个层包含一定数量的神经元。输入层和输出层的神经元数量设置为与输入和输出参数的数量相同。在这项研究中,使用了具有反向传播的前馈网络。图3显示了使用六个处理参数作为输入和水通量或盐通量作为输出的神经网络架构。
深度神经网络(DNN)模型的网络架构:n表示神经元数量,j表示隐藏层的数量。在DNN模型的学习过程中,调整每层神经元的权重和偏置,以最小化实际输出和预测输出之间的差异:
(12)
其中 是第i层第j个神经元的值, 是激活函数, 和 分别是权重和偏置。方程(12)表示DNN模型中的前向传播过程,其中每个神经元计算输入的加权和,然后通过非线性激活函数。这种形式使得模型能够捕捉输入参数和FO性能之间的复杂非线性关系。DNN中最常用的激活函数包括修正线性单元(ReLU)、Sigmoid和双曲正切(tanh)。每种函数都有其独特的特性;因此,激活函数的选择应基于具体问题来确定。以下激活函数被评估用于开发DNN模型:
ReLU函数是一种高效的函数,最近被广泛用于DNN模型。ReLU的主要优点是只有必要的神经元被激活:
Sigmoid函数产生的输出在0和1之间。Sigmoid广泛用于分类,因为它可以产生类似概率的输出来表示特定类别:
tanh函数是一种与非Sigmoid类似的非线性函数,但它产生的输出在1和-1之间。与Sigmoid相比,tanh以零为中心,这减少了梯度消失问题:
由于这些激活函数在深度学习中的广泛应用以及它们在处理非线性和梯度传播方面的不同特性,选择了这些激活函数。为了优化DNN模型的结构,改变了隐藏层的数量(1-5)和神经元数量(8-128),以研究模型结构对DNN模型性能的影响。支持信息图S2–S5描述了优化过程。本研究使用的不同机器学习模型是使用Python 3.9开发的。模型评估
每个模型都进行了三次训练和验证。模型准确性使用平均归一化均方根误差(NRMSE)和归一化平均绝对误差(NMAE)进行评估。模型鲁棒性使用NRMSE的标准差进行评估:
替代模型的计算效率通过将其计算时间与传统的数值模拟方法进行比较来评估。所有计算都在一台配备16 GB RAM的Intel Core i7-3770 3.4 GHz PC上完成,没有使用GPU加速。在研究的参数范围内随机选择了十个数据点来评估FO预测的计算时间(表1)。还进行了Shapley加性(SHAP)分析,以评估输入参数对开发出的替代模型输出(水回收率)的影响。这种分析提供了关于每个参数对模型预测贡献的见解,包括参数之间相互作用的效果:
替代模型的性能通过与FO实验数据的比较进行了验证。数据集来自之前的研究。实验是通过改变进料和渗滤溶液的温度,在15到35°C的范围内,分别在顺流和逆流模式下进行的。实验中使用的膜材料是一种薄膜复合材料(TFC,Toray Advanced Materials,首尔,韩国),由聚酰胺和聚砜组成。渗滤溶液的浓度为1 mol L?1 NaCl,进料使用去离子水。膜通道的宽度和长度分别为0.046 m和0.092 m。训练有素的DNN模型用于在这些操作条件下预测FO性能。为了比较,还使用数值模型来预测水通量和反向盐通量。结果与讨论
首先使用Spearman等级相关性研究了数值实验中获得的输入和输出变量之间的相关性,如图4所示。结果表明,回收水量与通道长度和宽度有很强的相关性。由于反向盐通量,盐损失也观察到了类似的趋势。相比之下,输入参数之间的相关性很小,这表明本研究中选择的参数是独立的。图4
输入参数和模型输出(回收水量和盐损失)之间的Spearman等级相关系数。与通道宽度和长度相比,温度和盐浓度对模型输出的影响较小。这可能归因于随着通道长度和宽度的增加,进料和渗滤溶液之间的温度和盐浓度梯度减小,以及溶液沿着FO流平衡。在研究的操作条件范围内(表1),通道宽度和长度对水通量和反向盐通量的影响似乎大于温度和盐浓度。这一观察表明,在商业规模的FO系统设计中,膜通道尺寸应该是主要考虑的因素。基于机器学习的替代模型的超参数调整
超参数调整是基于机器学习的替代模型开发中的关键步骤,因为它直接影响模型的准确性和精确度。超参数是手动预先规定的,因为它们不能在模型训练期间从数据中学习得到。因此,确定了不同基于机器学习的替代模型的超参数的最佳值,以确保有效的泛化能力和最佳性能。关于每个模型超参数调整的结果在支持信息中进行了讨论。数据大小对基于机器学习的替代模型性能的影响
在超参数调整之后,评估了数据集大小对每个模型性能的影响。研究数据集大小在开发基于机器学习的替代模型中的影响有几个原因。首先,较大的数据集可以通过捕获数据中的复杂关系来提高模型的准确性和泛化能力。然而,随着数据集大小的增加,数据获取和模型训练的计算成本也随之增加,这可能使得对于非常大的数据集来说,替代模型的开发变得不切实际。因此,理解数据集大小与模型性能之间的权衡对于建立基于机器学习的替代模型的快速FO估算的标准方法至关重要。比较了不同类型的AI模型的性能,包括决策树、随机森林、支持向量回归和DNN。为了研究数据集大小对四种替代模型(决策树、随机森林、支持向量回归和DNN)性能的影响,首先评估了不同数据集大小(从313到6250个样本)的水通量的NMAE、NRMSE和鲁棒性值。结果显示,对于所有机器学习算法,随着数据集大小的减小,模型性能下降(表2)。例如,决策树模型在数据集大小为6250时的NMAE和NRMSE值分别为0.017和0.028,而在数据集大小为313时分别增加到0.14和0.18。同样,每个模型的鲁棒性值也随着数据大小的增加而降低。这些结果与之前的研究一致,表明机器学习模型的性能随着数据集大小的增加而提高。NMAE、NRMSE和反向盐通量的鲁棒性趋势与水通量的观察结果相似(数据未显示)。表2。用于评估基于(a)决策树、(b)随机森林、(c)支持向量回归和(d)深度神经网络的水通量在不同数据大小下的替代模型性能的统计参数。
数据输入和输出之间的相关性
首先使用Spearman等级相关性研究了从数值实验获得的输入和输出变量之间的相关性,如图4所示。结果表明,回收水量与通道长度和宽度有很强的相关性。由于反向盐通量,盐损失也观察到了类似的趋势。相比之下,输入参数之间的相关性很小,这表明本研究中选择的参数是独立的。图4
输入参数和模型输出(回收水量和盐损失)之间的Spearman等级相关系数。与通道宽度和长度相比,温度和盐浓度对模型输出的影响较小。这可能归因于随着通道长度和宽度的增加,进料和渗滤溶液之间的温度和盐浓度梯度减小,以及溶液沿FO流平衡。在研究的操作条件范围内(表1),通道宽度和长度对水通量和反向盐通量的影响似乎大于温度和盐浓度。这一观察表明,在商业规模的FO系统设计中,膜通道尺寸应该是主要考虑的因素。基于机器学习的替代模型的超参数调整
超参数调整是基于机器学习的替代模型开发中的关键步骤,因为它直接影响模型的准确性和精确度。超参数是手动预先确定的,因为它们不能在模型训练期间从数据中学习得到。因此,确定了不同基于机器学习的替代模型的超参数的最佳值,以确保有效的泛化和最佳性能。关于每个模型超参数调整的结果在支持信息中进行了讨论。数据大小对基于机器学习的替代模型性能的影响
在超参数调整之后,评估了数据集大小对每个模型性能的影响。研究数据集大小在开发基于机器学习的替代模型中的影响有几个原因。首先,较大的数据集可以通过捕获数据中的复杂关系来提高模型的准确性和泛化能力。然而,随着数据集大小的增加,数据获取和模型训练的计算成本也增加,这可能使得对于非常大的数据集来说,替代模型的开发变得不切实际。因此,理解数据集大小与模型性能之间的权衡对于建立基于机器学习的替代模型的快速FO估算的标准方法至关重要。比较了包括决策树、随机森林、支持向量回归和DNN在内的不同类型的AI模型的性能。为了研究数据集大小对四种替代模型(决策树、随机森林、支持向量回归和DNN)性能的影响,首先评估了不同数据集大小(从313到6250个样本)的水通量的NMAE、NRMSE和鲁棒性值。结果表明,对于所有机器学习算法,随着数据集大小的减小,模型性能下降(表2)。例如,决策树模型在数据集大小为6250时的NMAE和NRMSE值分别为0.017和0.028,而在数据集大小为313时分别增加到0.14和0.18。同样,每个模型的鲁棒性值也随着数据大小的增加而降低。这些结果与之前的研究一致,表明机器学习模型的性能随着数据集大小的增加而提高。NMAE、NRMSE和反向盐通量的鲁棒性趋势与水通量的观察结果类似(数据未显示)。表2。基于(a)决策树、(b)随机森林、(c)支持向量回归和(d)深度神经网络的水通量的替代模型性能的统计参数。
总体而言,DNN模型在NMAE和NRMSE值方面表现优于其他模型(表2)。在数据集大小为6250时,DNN模型的NMAE和NRMSE值分别为0.0048和0.0072,而其他模型的NMAE和NRMSE值较高(分别为>0.0074和>0.021)。DNN模型是一种基于深度学习的方法,由于其大量的参数,能够学习输入和输出之间的复杂非线性关系。因此,当有大量数据集可用时,DNN模型通常更有效,因为它们可以更好地捕捉FO数据中的潜在模式。相比之下,随机森林模型是一种由多个决策树组成的集成方法,它对过拟合具有鲁棒性,并且由于其随机集成结构,在数据集大小有限时可以比DNN模型更有效地进行训练。
总的来说,当数据集大小大于1563时,DNN模型在预测水和反向盐通量方面表现最佳。然而,如果数据集相对较小,随机森林模型可能是一个合适的选择。它可以作为一个很好的基线模型,用于比较基于DNN的替代模型的性能,因为随机森林通常训练速度更快,且需要较少的数据预处理。最终,选择随机森林还是DNN来开发用于快速估算FO的基于机器学习的替代模型,应该基于该模型在未见数据上的表现。对未见数据的模型性能进行测试。
为了验证基于机器学习的替代模型的性能,收集了一个新的测试数据集(96个数据点),其输入参数分布与训练所用数据集不同。如前所述,选择了用1563个数据点(整个数据集的25%)训练的DNN模型和用313个数据点(整个数据集的5%)训练的随机森林模型,并使用未见数据进一步测试了它们的性能。如表3所示,DNN模型对未见数据提供了稳健的预测,水通量的NMAE为0.047,NRMSE为0.078。相比之下,随机森林模型在未见数据上的表现较差,其水通量的NMAE为0.31,NRMSE为0.38。表3显示了用于验证替代模型在未见数据上性能的统计参数。(a) 深度神经网络(用1563个数据点训练)和(b) 随机森林(用313个数据点训练)。
随机森林模型表现不佳的原因可以归因于协变量偏移,即训练数据集和测试数据集之间输入参数分布的变化。协变量偏移是机器学习模型中常见的问题,可能导致在新数据集上的泛化性能不佳和预测不准确。文献中广泛讨论了这个问题,因为它几乎影响到每一个现实世界的数据集。本研究的结果表明,随机森林模型比DNN模型更容易受到协变量偏移的影响,这从它在未见数据上的表现可以看出。深度神经网络模型通常比随机森林模型更能抵抗协变量偏移,因为它们可以通过在训练过程中调整网络的权重和偏差来适应数据分布的变化。这些结果强调了在训练和验证基于机器学习的替代模型时考虑协变量偏移的重要性,并表明当输入参数有较大变化时,DNN模型是快速估算FO的更合适选择。总之,结果表明,尽管随机森林在小数据集上表现良好,但当有足够的数据(>1563个样本)时,DNN模型的性能明显优于其他模型。DNN模型在协变量偏移条件下的稳健性也得到了验证,这从它在未见数据上的表现中得到了证实。
通过使用可解释AI对替代模型进行解释,进行了Shapley加性解释(SHAP)分析来解释所开发的基于DNN的替代模型。这种分析提供了对个别输入参数及其交互效应对目标输出贡献的总体评估。图5(a)显示了SHAP值的分布,说明了它们与原始特征值之间的关系。对于大多数特征(流量模式除外,这是一个二元因素),较高的特征值增加了预测的幅度。图5(b)展示了每个特征的平均贡献。膜通道长度被确定为对FO性能影响最大的因素,其次是膜通道宽度。这些结果与Spearman等级系数一致,后者显示了FO性能与膜通道大小、盐浓度、抽取温度和进料温度等变量之间的相关性。这些结果强调了所开发的基于DNN的替代模型的稳健性,它准确地反映了输入变量和输出之间的物理关系。
为了评估基于DNN的替代模型在FO过程中的适用性,使用了Kim等人的实验数据。如上所述,这项研究调查了在不同进料和抽取溶液温度以及流动模式下水通量和反向盐通量的情况。结果表明,DNN模型准确预测了水通量和盐通量(图6(a)、(b))。图6显示了基于DNN的替代模型的实验数据与预测数据之间的比较,以及DNN基于替代模型的残差分析(图6(c)、(d))。DNN基于替代模型的残差分析表明,水通量和反向盐通量的预测误差通常分布在零附近,没有明显的系统性趋势,表明在测试条件下没有强烈的偏差(图6(c)、(d))。DNN模型的NRMSE值为水通量0.082,盐通量0.17。相应的数值模拟模型的值分别为水通量0.083,反向盐通量0.18。虽然DNN模型的NRMSE值略低于数值模拟模型,但这并不意味着DNN模型的性能更好,因为DNN模型是使用数值模拟的数据进行训练和开发的。相反,这些结果表明,基于DNN的替代模型可以达到与数值模拟模型相当的预测准确性。本研究中使用的数据集来自数值模拟,通常比实验数据包含的噪声更少,因此降低了过度拟合随机变化的风险。尽管如此,该模型还是使用独立的测试数据进行了评估,并进一步通过了实验结果的验证,证明了其稳健的泛化性能。替代模型的一个重要优势是它们能够在不需要大量计算资源的情况下快速准确地评估FO,这对于实际应用和实时监控非常重要。为了量化FO过程估算的计算效率,将DNN模型与传统的数值模拟方法进行了比较。数值模拟模型的平均计算时间为362.0 ± 184.8秒,DNN模型的计算时间为115.0 ± 20.2 × 10^-3秒。计算时间是预测模型实际应用中的一个关键因素。这些结果表明,即使计算资源有限,基于DNN的替代模型也可以实时估算FO过程。因此,它可以无缝集成到工业应用软件中。因此,预计所开发的替代模型可以应用于食品加工操作,如果汁和乳制品加工,其中快速准确的FO性能预测可以提高生产效率、产品质量维护和操作条件优化。尽管DNN模型具有快速估算的能力,但其开发需要从数值计算中生成数千个输入数据点来准确表示FO过程。这一要求可能会使模型开发时间较长,但一旦建立,就可以实现快速和实用的应用。为了解决这一限制,未来的工作可以探索自适应采样方法,通过选择最具信息量的数据点进行训练,从而在保持模型性能的同时减少数据集的大小。
应该承认与数据集泛化相关的限制。训练数据集是使用特定类型的膜和定义的一组进料和抽取溶液条件生成的,这可能限制了模型直接适用于具有显著不同物理化学性质的系统的能力。为了更广泛的应用,未来的研究应该扩展数据集,包括具有不同结构参数和渗透性的膜,以及更代表食品系统的进料和抽取溶液。尽管如此,本研究中使用的输入变量代表了FO操作中控制质量和热传递的基本参数,表明该模型很可能具有一定的泛化能力。可以应用迁移学习或增量重新训练等方法,用最少的额外数据使模型适应新的操作条件,从而提高所提出方法的泛化能力。
本研究介绍了一种基于机器学习的方法来预测FO过程中的水和反向盐通量。一个关键发现是数据大小对基于机器学习的替代模型性能的影响。基于DNN的替代模型在更大的数据集上表现出更好的性能,捕捉到了复杂的关系,并在预测水和反向盐通量方面显示出更强的能力。相比之下,更适合较小数据规模的随机森林模型在协变量偏移下表现有限,降低了其在新的、未经训练的条件下预测FO性能的有效性。SHAP分析的结果强调了基于DNN的替代模型在准确描述输入和输出变量之间的物理关系方面的有效性。SHAP分析表明,膜通道大小对FO性能的影响最大,其次是盐浓度、温度和流量模式。这些见解与Spearman等级相关性分析的发现一致,后者用于研究加工参数与FO性能之间的关系。基于DNN的替代模型通过实验数据得到了验证,表明该替代模型可以像数值模拟模型一样精确预测水通量和反向盐通量,同时大幅减少了计算时间。因此,这项研究展示了基于DNN的替代模型在各种操作条件下精确估算FO性能的潜力。所开发的替代模型可以集成到过程控制系统或数字孪生平台中,以实现FO性能的实时预测和优化。这种能力允许在没有计算密集型模拟的情况下快速调整操作条件,支持高效的决策制定并降低工业食品加工操作的成本。
这项研究得到了韩国政府(MSIT)资助的国家研究基金会(NRF)(项目编号RS-2024-00406525和RS-2026-25484846)的支持。作者声明没有利益冲突。作者贡献:Hyoen Woo Park和Woo-Ju Kim撰写了主要的手稿并创建了所有图表。所有作者都审阅了手稿。研究数据不共享。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号