声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：33-1127/P
国际刊号：1000-3770
发布日期:
作者：孙瑞林1, 王哲2*, 翟承晖2
单位：1.新南威尔士大学理学院, 新南威尔士 悉尼 2052; 2.西安理工大学水利水电学院, 陕西 西安 710048
关键词：厌氧消化,机器学习,混合优化神经网络,建模与优化
基金：陕西省自然科学基础研究计划（2025JC-YBMS-609）
厌氧消化（AD）是一种重要的有机废弃物处理与可再生能源回收技术,但在实际应用中常出现产气效率低和过程不稳定等问题,因此对其进行建模与优化显得尤为关键。近年来,机器学习方法,特别是人工神经网络（ANN）在AD过程的建模与参数优化中展现出显著优势。在对ANN模型按结构功能进行分类的基础上,系统梳理了其在产气量预测、多目标优化及过程监测等方面的应用进展,重点评估了混合优化神经网络模型的应用效果。研究发现,ANN及其扩展混合优化模型的预测精度（<em>R</em><sup>2</sup>）普遍超过0.97,但仍存在对高质量监测数据依赖性大、计算资源消耗高以及可解释性不足等局限。未来应加强实时监测技术与智能建模方法的协同发展,推动模型的工业化应用,为AD系统的高效稳定运行提供有力支撑。
来源：2025年第12期
《水处理技术》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。