《Sustainable Chemistry for the Environment》：Biogas and Biomethane Production via Anaerobic Digestion: Experimental Analysis and Modeling Using Hybrid ANN-GA Optimization
编辑推荐：
本研究针对厌氧共消化过程参数复杂、优化困难的问题，通过实验分析了马铃薯皮废料与鸡粪共消化产沼气和生物甲烷的过程，并利用人工神经网络结合遗传算法进行建模与优化。结果表明，ANN-GA混合模型能高精度预测产气量（R2>0.96），并确定了最佳工艺条件（pH 8.29, 52.12°C, TS 22.6%, PPW/CM 0.555），验证误差低于1.72%。该研究为有机废弃物资源化提供了高效、可靠的优化策略，对推动可再生能源发展和废物管理具有重要意义。
在全球能源需求持续增长与环境保护意识日益增强的双重背景下，寻找可持续的替代能源已成为当务之急。生物质能作为一种来源广泛、成本低廉且环境友好的可再生能源，受到了广泛关注。然而，如何高效地将有机废弃物转化为能源，同时解决日益严峻的废弃物管理问题，是当前面临的一大挑战。厌氧消化（Anaerobic Digestion, AD）技术能够将有机废物转化为沼气（主要成分为CH4和CO2）和生物甲烷（Biomethane），是实现废物资源化和能源回收的重要途径。马铃薯皮废料（Potato Peel Waste, PPW）和鸡粪（Chicken Manure, CM）是两种大量存在的农业废弃物，它们的共消化（Co-digestion）被认为具有协同促进产气的潜力。但厌氧消化过程涉及复杂的微生物活动和多种操作参数（如pH、温度、总固体含量、底物比例等）的相互作用，传统的优化方法难以精确捕捉其非线性动态特性，这使得过程优化充满挑战。
为了应对这一挑战，发表在《Sustainable Chemistry for the Environment》上的这项研究，创新性地将实验分析与人工智能建模相结合，旨在优化PPW与CM厌氧共消化生产沼气和生物甲烷的工艺。研究人员通过系统的批次实验，探究了关键操作参数的影响，并成功构建了人工神经网络（Artificial Neural Network, ANN）模型来预测产气性能。更进一步，他们耦合遗传算法（Genetic Algorithm, GA）对模型进行优化，以寻找全局最优工艺条件，为厌氧共消化过程的精准控制和效率提升提供了强有力的工具。
为开展本研究，作者主要应用了以下几项关键技术方法：首先，设计了系统的批次厌氧共消化实验，在不同pH（5.0–8.5）、温度（40-65 °C）、总固体（Total Solids, TS, 10-45%）和PPW/CM混合比例下进行为期20天的发酵，以获取可靠的实验数据。其次，利用获得的数据集，构建并训练了ANN模型，通过多次迭代测试确定了最优的网络拓扑结构（4-10-9-2），用于预测沼气和生物甲烷产量。最后，将训练好的ANN模型与GA优化算法相结合，形成ANN-GA混合优化框架，以最大化产气量为目标，搜索最佳的工艺参数组合。实验所用PPW和CM分别采集自当地加工厂和养殖场，并经过预处理，接种物为牛瘤胃液。
3.1. 实验工作
3.1.1. pH的影响
通过控制其他条件不变（温度40°C，TS 10%，PPW/CM比例50/50），研究不同初始pH（5.0至8.5）对产气的影响。结果表明，pH为7.0时，累计沼气和生物甲烷产量均达到最高，分别为5884 mL和54.09 mL/gVS（每克挥发性固体）。当pH偏离7.0时，产气量显著下降，说明中性环境最有利于微生物活性，是厌氧消化的最适pH条件。
3.1.2. 温度的影响
在pH=7.0，TS=10%，PPW/CM比例50/50的条件下，考察温度（40至65°C）的影响。研究发现，55°C时累计沼气和生物甲烷产量最高（8268 mL和79.94 mL/gVS）。温度超过55°C后，产气量下降，这可能是由于高温导致氨抑制和挥发性脂肪酸积累，影响了产甲烷菌的活性。因此，55°C被确定为该体系下的最优温度。
3.1.3. 总固体百分比的影响
在pH=7.0，温度55°C，PPW/CM比例50/50的条件下，研究TS含量（10%至45%）的影响。实验发现，TS为25%时，累计沼气和生物甲烷产量达到峰值（10518 mL和110.03 mL/gVS）。TS含量过低或过高都会导致产气效率降低，表明适宜的固体浓度对于维持反应器内传质效率和微生物生长至关重要。
3.1.4. 共消化比例的影响
在pH=7.0，温度55°C，TS=25%的条件下，系统评估了PPW与CM的不同混合比例（从0:100到100:0）。结果显示，当PPW占比为70%（即PPW/CM比例为70:30）时，累计沼气和生物甲烷产量达到最大值（14256 mL和143.71 mL/gVS）。单纯的PPW或CM消化产气量最低，证实了共消化在平衡碳氮比（C/N Ratio）、缓解氨抑制和优化微生物营养方面的协同作用。
3.2. 用于沼气和生物甲烷生产的ANN模型
基于33组实验数据，研究人员构建了ANN模型，输入参数为pH、温度、TS%和PPW/CM比例，输出为沼气和生物甲烷产量。经过81种不同拓扑结构的测试和5折交叉验证，最终确定最优ANN结构为4-10-9-2（即4个输入节点，两个隐藏层分别含10和9个节点，2个输出节点）。该模型表现出极高的预测精度，预测值与实验值之间的决定系数R2分别达到0.962（沼气）和0.974（生物甲烷），证明了ANN在处理厌氧消化这类非线性复杂系统中的强大能力。
3.3. 遗传算法优化
为了寻找最大化产气量的全局最优条件，研究将训练好的ANN模型作为目标函数，与GA相结合进行优化。GA设置的参数包括变异率0.05、交叉率0.8和种群大小20。优化过程快速收敛，最终确定的最优操作条件为：pH 8.29，温度52.12°C，TS% 22.6，PPW/CM比例0.555。在此条件下，模型预测的累计沼气产量为201.5 mL/gVS，累计生物甲烷产量为141.7 mL/gVS。
为了验证优化结果的可靠性，研究团队在ANN-GA预测的最优条件下进行了验证实验。实验结果与预测值高度吻合，累计沼气和生物甲烷产量的预测误差分别仅为1.5%和1.72%。这一结果充分验证了ANN-GA混合模型在优化厌氧共消化工艺方面的准确性、可靠性和有效性。
本研究通过严谨的实验设计和先进的计算智能技术，成功优化了马铃薯皮废料与鸡粪厌氧共消化生产沼气和生物甲烷的工艺。研究结论表明，人工神经网络能够高精度地模拟这一复杂生物过程，而结合遗传算法后，则可以高效地搜寻到超越传统单因素实验范围的全局最优操作参数。该ANN-GA混合优化框架不仅显著提高了生物能源的产率，为农业废弃物的高值化利用提供了关键技术支撑，而且为其他复杂生物过程的建模与优化提供了可借鉴的方法论。这项研究有力地推动了可持续废物管理和可再生能源生产技术的发展，对实现循环生物经济（Circular Bioeconomy）具有重要的理论和实践意义。
