机器学习在生物质向能源与燃料高值化中的应用：特征表示与过程决策的综述与展望

《Energy & Fuels》：Machine Learning in Biomass Valorization for Energy and Fuels: A Review and Perspectives on Feature Representation and Process Decision-Making

　　

机器学习（machine learning, ML）正越来越多地被用于支持面向能源与燃料的生物质高值化，其方式是将原料特性、工艺条件与产物结果关联起来。然而，当前研究在特征定义、算法选择、验证设计、不确定性处理以及预测结果用于工程决策等方面存在显著差异。本综述综合了热化学转化、水热转化、生物化学转化、预处理和多孔炭生产等途径中的代表性机器学习研究，重点强调特征表示、模型-任务对齐（model-task alignment）以及可供决策使用的过程建模。被综述的文献表明，混合式原料-过程描述符（hybrid feedstock-process descriptors）通常能提高预测性能，因为它们同时代表生物质本征特性和转化环境；但在特征时间不清晰时，这类描述符也会增加过拟合、报告不一致、多重共线性和数据泄漏的风险。因此，模型选择应依据数据集规模、描述符结构、目标定义、输出耦合、验证强度、不确定性要求及预期决策用途来评价，而不能单纯依据算法排名。除了响应预测以外，只有当预测结果经过物理可行性、适用域（applicability domain）、不确定性及过程层面相关性的检验后，机器学习才能支撑原料筛选、操作窗口优化、路径比较与多目标权衡分析。本综述强调，生物质高值化机器学习需要从以准确性为中心的预测，转向透明、可迁移、具有不确定性意识且可决策的建模方式。

生物质高值化是将可再生碳资源转化为燃料、能源载体、平台化学品、功能材料和碳基产品的重要途径。木质纤维素原料虽然丰富，但组成的显著差异导致转化过程难以一般化；传统实验与工程模型在面对异质原料、交互式操作变量以及多竞争产物时受到较大制约。与此同时，已有机器学习研究多将注意力集中在统计精度（如R²）上，对特征定义、验证设计、不确定性处理和工程决策支撑缺乏系统整合。针对这一空白，该综述论文发表于《Energy》，提出以特征表示、模型-任务对齐和决策就绪过程建模为核心的方法框架。

研究人员采用的方法为批判性叙述综述辅以结构化证据映射，而非系统评价或Meta分析。证据样本来自文献汇编和模拟数据，覆盖热化学（热解、气化）、水热（如水热炭化）、生化（厌氧消化、酶解释糖）、预处理（低共熔溶剂/离子液体预处理）和多孔炭生产等路径，涉及混合生物质、麦秆、油棕空果串等原料记录。技术路线上，研究人员按预测时点将特征划分为预处理、预设过程、过程状态、后预处理、后转化、响应衍生和决策级等类型，并据此识别目标泄漏风险；随后用验证强度分级将数据规模、模型家族、输出耦合与验证设计进行对齐，最后综合外部验证、不确定性和适用域证据，提出最低报告规范。该研究不涉及试剂、培养或实验样本队列，证据来自文献数据与仿真记录。

在第2节“特征表示、特征时间与泄漏风险”中，研究人员通过对代表性研究进行证据映射发现，结构组成、元素/工业分析、过程条件、类别变量与工程化描述符共同决定模型的可解释性和泄漏风险。混合原料-过程特征虽常提升预测精度，但特征时间不明确时会引致过拟合、多重共线性和目标泄漏；因此特征需按“预测时点”严格分层，预处理和预设过程特征可支持前瞻预测，后预处理特征只适用于下游响应预测，转化后产物属性或响应衍生指标用于前瞻预测时泄漏风险较高。研究还提出稳健特征空间应具备清晰物理含义、可报告的单位与分析基础、预测时点可得性以及外部或跨原料检验。

在第3节“模型-任务对齐与验证感知的模型选择”中，通过跨路径比较表明，模型选择应取决于数据集规模、描述符结构、目标定义、输出耦合、验证强度和预期决策用途，不存在普遍最优算法。树集成模型适合异质表格数据，高斯过程回归适合小样本与不确定性预测，深度神经网络需要足够数据与强验证支撑，线性/响应面模型应作为必要基线。因此，R²和误差指标不能脱离验证强度、特征时间和外部迁移证据单独解读。

在第4节“从预测到决策就绪的ML”中，4.1“预测输出与解释”指出预测可减少实验搜索空间，但要根据最终用途选择目标，例如燃料用生物炭关注高位热值（higher heating value, HHV）与灰分，碳封存用生物炭关注H/C_org；特征重要性、SHAP和偏依赖图等解释工具只能辅助形成假说，不能直接证明因果。4.2“物理可行性、不确定性和适用域”强调，预测应满足总质量、碳/能量守恒及单位基准等物理约束，预测区间、重复验证和适用域判断是判断可靠性的必要条件，超出训练域的建议不应视为决策成熟。4.3“优化、技术经济分析（techno-economic analysis, TEA）/生命周期评价（life cycle assessment, LCA）与过程评价”指出，机器学习作为代理模型可与遗传算法、粒子群优化和贝叶斯优化结合搜索操作窗口，但须报告目标函数与约束；更高层级的路径比较还应衔接TEA、LCA和过程模拟。4.4“实验反馈与动态部署”则强调，真实过程常为动态，过程状态变量可用于监测和时序预测，主动学习与贝叶斯优化闭环可优先安排高信息增益实验并降低不确定性。

在第5节“方法论局限性与推荐报告规范”中，5.1“数据、验证与泛化”表明，样本量过小、数据来源不均与目标定义不一致会高估模型表现；单次随机分割证据较弱，k折交叉验证、留一交叉验证、外部验证与前摄验证属于更强证据。5.2“可解释性、泄漏控制与工程相关性”表明，特征不一致限制了跨研究比较，样本级和特征级泄漏会夸大性能；去重、按来源分组划分以及将预处理嵌入验证流程可降低泄漏，但可解释性分析并不等同于机理证明。

在第6节“未来展望”中，研究人员提出应发展标准化数据集与基准任务、机制知情与约束感知的特征工程、不确定性感知建模与主动学习，并将机器学习与多目标优化、TEA/LCA、过程模拟和可复现工作流整合，以支撑放大评估和可持续生物精炼决策。

第7节结论部分翻译如下：机器学习已成为生物质高值化的重要工具，因为它能够捕获热化学、水热、生化、预处理和碳材料生产路径中原料特性、工艺条件与产品结果之间的非线性关系。被综述的文献在预测产品产量、产品组成、燃料性质、合成气质量、甲烷产量、葡萄糖释放量、水热炭特征和多孔炭性质等方面显示出明显进展。然而，这些模型的实际价值不应仅通过高R²或低预测误差来判断。本综述强调，可靠的生物质高值化机器学习需要预测时点特征表示、泄漏感知验证、模型-任务对齐、不确定性评估、适用域控制、物理可行性检查和过程级解释。未来研究应从以准确性为中心的预测转向可决策的机器学习，由标准化数据集、一致的特征与目标定义、外部和前摄验证、可复现工作流、机制知情描述符以及与优化、技术经济分析、生命周期评价和实验反馈的更密切整合来支撑。这种发展将使机器学习模型不仅支持响应预测，还能支持原料筛选、操作窗口选择、路径比较、放大评估以及面向可持续性的生物精炼决策。