基于机器学习与多目标优化的厌氧消化性能预测与工艺优化研究
《Scientific Reports》:Hybrid machine learning–NSGA-II framework for multi-objective optimization of anaerobic digestion in wastewater treatment
【字体:
大
中
小
】
时间:2026年09月20日
来源:Scientific Reports 4.9
编辑推荐:
摘要
厌氧消化(AD)是污水处理厂(WWTPs)中污泥处理、体积减容和能量回收的关键工艺。因此,建议在厌氧消化过程中应用人工智能方法,以更好地管理污泥和废水。随着人工智能的发展,本研究利用基于进料污泥特性的估算-优化框架,对实验室规模的厌氧消化系统进行了研究。研究采用了三种
摘要厌氧消化(AD)是污水处理厂(WWTPs)中污泥处理、体积减容和能量回收的关键工艺。因此,建议在厌氧消化过程中应用人工智能方法,以更好地管理污泥和废水。随着人工智能的发展,本研究利用基于进料污泥特性的估算-优化框架,对实验室规模的厌氧消化系统进行了研究。研究采用了三种机器学习(ML)技术——随机森林(RF)、支持向量回归(SVR)和多层感知器(MLP)——来估算不同污泥条件下的沼气产量、出水中总固体含量(TSout)和脱砂成本。使用决定系数(R2)、均方误差(MSE)和平均绝对相对误差(MARE)评估模型性能。结果表明,输入数据与输出参数之间存在强相关性,其中沼气产量的最佳模型(SVR)达到了R2为0.935、MSE为0.00111、MARE为5.2959%的优异表现。随后,将表现最佳的机器学习模型与非支配排序遗传算法II(NSGA-II)相结合,进行了多目标优化。然后,采用不同的权重方案,利用TOPSIS方法对优化响应进行了评估。优化结果表明,通过考察三个目标下的决策变量,TSout和成本的最小可达值分别为0.0801 kg/d和7.5170美元,而预测的最大沼气产量为0.4597 m3/Kg VS。
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