
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于深度学习的黑莓汁超滤建模与优化:一种多输出可解释方法
《EUROPEAN FOOD RESEARCH AND TECHNOLOGY》:Deep learning-based modeling and optimization of aronia juice ultrafiltration: a multi-output interpretable approach
【字体: 大 中 小 】 时间:2026年07月21日 来源:EUROPEAN FOOD RESEARCH AND TECHNOLOGY 4.2
编辑推荐:
摘要超滤是一种无需化学试剂即可净化多酚含量高的果汁的有效方法,但其实际应用往往受到污染问题和操作条件限制。本研究中,使用不同孔径的聚醚砜膜,在不同的流速和压力条件下对黑果越橘汁进行净化处理。实验数据被用于训练两种深度学习回归模型:一种为预测渗透通量的单输出模型,另一种则为同时预测
超滤是一种无需化学试剂即可净化多酚含量高的果汁的有效方法,但其实际应用往往受到污染问题和操作条件限制。本研究中,使用不同孔径的聚醚砜膜,在不同的流速和压力条件下对黑果越橘汁进行净化处理。实验数据被用于训练两种深度学习回归模型:一种为预测渗透通量的单输出模型,另一种则为同时预测通量、污染指数和清洁效率的多输出模型。这些模型是在36次独立的超滤实验数据上训练的,共包含12种操作配置下的1,296个时间分辨样本,采用按通量分层的训练/验证/测试数据划分方式。在保留的测试数据上,单输出模型预测渗透通量的平均绝对误差为0.0710 kg·m?2·h?1(R2=0.997),而多输出模型在所研究的操作范围内,对通量、污染指数和清洁效率的预测R2值均大于0.96。SHAP分析表明,操作时间和流速对性能的影响大于膜类型。在研究范围内,较高的进料流速结合适中的压力,能够在通量、污染程度和清洁效率之间实现良好平衡。此外,在所有评估条件下,50 kDa的PESH膜表现优于150 kDa的PES膜,这与表面亲水性在减轻多酚引发的污染中的作用有关,对于多酚含量高的果汁而言,这种作用可能比膜孔径更为重要。这些研究结果表明,数据驱动的建模方法可减少大量实验试验的需要,同时能全面评估渗透通量、污染程度和清洁效率等指标,有助于为多酚含量高的果汁的超滤净化选择合理的操作条件。在1–2巴训练范围之外的3巴跨膜压力下进行的实验验证,证实了模型在最优操作条件下的预测结果。此外,预测通量的集合标准差会随着距离训练数据区域的增加而上升,这说明在外推区域模型的预测可靠性会降低。
超滤是一种无需化学试剂即可净化多酚含量高的果汁的有效方法,但其实际应用往往受到污染问题和操作条件限制。本研究中,使用不同孔径的聚醚砜膜,在不同的流速和压力条件下对黑果越橘汁进行净化处理。实验数据被用于训练两种深度学习回归模型:一种为预测渗透通量的单输出模型,另一种则为同时预测通量、污染指数和清洁效率的多输出模型。这些模型是在36次独立的超滤实验数据上训练的,共包含12种操作配置下的1,296个时间分辨样本,采用按通量分层的训练/验证/测试数据划分方式。在保留的测试数据上,单输出模型预测渗透通量的平均绝对误差为0.0710 kg·m?2·h?1(R2=0.997),而多输出模型在所研究的操作范围内,对通量、污染指数和清洁效率的预测R2值均大于0.96。SHAP分析表明,操作时间和流速对性能的影响大于膜类型。在研究范围内,较高的进料流速结合适中的压力,能够在通量、污染程度和清洁效率之间实现良好平衡。此外,在所有评估条件下,50 kDa的PESH膜表现优于150 kDa的PES膜,这与表面亲水性在减轻多酚引发的污染中的作用有关,对于多酚含量高的果汁而言,这种作用可能比膜孔径更为重要。这些研究结果表明,数据驱动的建模方法可减少大量实验试验的需要,同时能全面评估渗透通量、污染程度和清洁效率等指标,有助于为多酚含量高的果汁的超滤净化选择合理的操作条件。在1–2巴训练范围之外的3巴跨膜压力下进行的实验验证,证实了模型在最优操作条件下的预测结果。此外,预测通量的集合标准差会随着距离训练数据区域的增加而上升,这说明在外推区域模型的预测可靠性会降低。