基于多特征融合的蔬菜腌制行业厌氧池硫化氢浓度预测方法研究

《Scientific Reports》：Research on prediction method of hydrogen sulfide concentration in anaerobic pool of vegetable pickling industry based on multi-feature fusion

　　

摘要

蔬菜腌制行业的厌氧池属于典型的封闭空间，硫化氢（H₂S）容易在此积聚，从而引发致命中毒事件。传统的单点检测方法无法掌握硫化氢的三维分层分布情况，而现有的机器学习预测模型主要针对城市污水系统，缺乏针对腌制行业厌氧池独特结构、运行条件及环境特点的系统性研究。为填补这一空白，本研究提出一种可解释的多特征融合预测方法，整合了结构、几何形态、环境因素、污水状态以及检测位置等多方面特征。研究在中国三大腌制产业区的38家企业中，对46个厌氧池进行了系统的现场检测，最终获得了包含99组样本的高质量多特征数据集，这些样本涵盖了不同的生产规模和运行场景。在通过标准化特征编码和归一化处理消除各特征间的维度差异后，研究者系统比较了七种传统机器学习算法的预测性能。结果表明，XGBoost模型的整体性能最优，决定系数（R²）达0.94，其平均绝对误差也比其他六种模型低32%，仅为66%。特征重要性分析显示，池体封闭状态和污水搅拌状态是影响硫化氢积聚的两大关键因素，其次是内部温度、风速和湿度。本研究主要有两项贡献：（1）建立了可用于封闭空间气体分布预测的五维特征表示体系，突破了传统模型仅依赖单一类型环境参数的局限；（2）仅需少量检测点即可实现对未监测区域硫化氢浓度的精确三维预测，为作业前的风险评估和日常安全管理提供了低成本、高效的技术解决方案。该预测方法有助于优化监测点的布局，并制定针对性的预防措施，从而减少蔬菜腌制行业中的硫化氢中毒事故。