在满足对可持续燃料日益增长的需求的同时管理食物废物的挑战变得越来越紧迫[1,2]。将食物衍生的生物质转化为能源和其他有价值的产品为同时解决这两个问题提供了一条途径。虽然化石燃料需要数百万年的时间通过自然地质和化学转化形成，但最近的生物质转化技术进步使得在较短时间内（有时仅需几小时）就能实现类似的化学成果[3,4]。这些过程不仅可以产生燃料，还可以从可再生废物流中提取生化产品、多酚、蛋白质、果胶和生物聚合物[5]。过去十年中，关于生物质价值化的研究迅速发展，热化学方法（燃烧、气化、热解、溶剂热液化）通常比发酵、堆肥和厌氧消化等生化方法更受青睐[[5], [6], [7]]。这种偏好反映了热化学方法的原料兼容性更强，能够处理混合材料[8]，而生化过程通常对底物有更严格的要求，并且容易受到微生物污染[8,9]。
常用的将生物质转化为生物燃料的热化学过程包括焚烧、热解、气化和溶剂热液化[10,11]。焚烧是一种较为成熟的方法，操作温度范围为800至1200°C，能够将废物体积减少约80–85%，同时产生有用的能源[11]。然而，由于其会排放CO?和CH?等污染物，其长期环境可持续性受到限制[11]。热解是在无氧环境下于350–1000°C进行的另一种热化学过程，会产生炭、生物油和合成气，产品分布受操作温度和停留时间的影响较大[[11], [12], [13]]。此外，气化通常在500–900°C的条件下进行部分氧化，主要产生合成气，同时伴随焦油和灰分等副产品[11,[13], [14], [15]]。溶剂热液化（STL）利用水或乙醇等溶剂在亚临界或超临界条件下将生物质分解为高质量的生物原油和生物炭[7,16,17]。当使用水作为溶剂时，该过程特称为水热液化[8]。
尽管热解和气化因其多功能性和效率而广受认可，但它们产生的能量载体——生物油和合成气——通常比STL产生的生物原油具有较差的性能。值得注意的是，STL生物原油的发热值（HHV）更高，典型值为约30 MJ/kg，而热解生物油的发热值为21.4 MJ/kg，合成气的发热值为5.60–12.611 MJ/kg[10,[18], [19], [20], [21]]。这种更高的能量密度使得STL生物原油在升级后可能与现有发动机和基础设施更兼容，从而进一步推动了对其生产的兴趣[22,23]。文献综述强调了基于回归的模型在提高生物原油产量方面的主导地位[[24], [25], [26], [27]]。例如，Cao和Hu[24]开发了一个回归模型，以最大化Micractinium sp.的生物原油产量，在321°C、75%乙醇浓度和15.3%的固液比的最佳条件下，实现了51.4%的峰值产量。同样，Wei和Jie[25]应用基于回归的建模方法对Spirulina sp.的热化学液化进行了研究，在357°C、37分钟和10.5%的进料浓度条件下，实现了41.6%的最大生物原油产量。在另一项研究中，Aturagaba和Egesa[26]研究了在氧化铁/氧化镍纳米复合材料催化剂存在下的水葫芦催化热化学液化。他们使用基于回归的预测模型评估了工艺变量与生物原油产量之间的关系，实现了59.4%的最大生物原油产量，优于无催化剂时的50.7%产量。另一种用于研究热化学系统的方法是人工神经网络（ANN），这是一种成熟的元启发式框架，也已应用于多个废物转化为能源的系统[28]。Singh和Singh[29]的研究展示了ANN在优化荔枝基生物质热解生物油产量方面的应用，模型性能良好，R2为0.9436。同样，ANN也被用来建模和优化Lagerstroemia speciosa种子的热解，R2为0.9964，RMSE为0.8336[30]。总体而言，这些研究经常报告较高的拟合优度指标，尤其是在ANN应用于有限数据集时。
尽管在溶剂热液化研究中，最大化生物原油产量通常是主要目标[[31], [32], [33]]，但回收生物原油的元素组成提供了关于在固定操作条件下组成升级的补充信息。特别是，氢和碳质量分数的变化可能反映了液化过程中形成的富含碳氢化合物的部分与含氧部分相对丰度的变化。然而，这些元素质量分数是相互依赖的变量，其解释与氧和其他杂原子的重新分布有关。此外，尽管数据驱动模型在热化学系统中的应用日益增多，但模型结构、数据集大小和响应变量定义对结果解释的影响，特别是在受限混合设计内分析响应时，尚未得到充分探索。
本研究以乙醇中的混合食物废物溶剂热液化作为案例研究，考察基于回归的混合模型和ANNs在处理组成响应变量时的表现。选择乙醇作为反应溶剂，是因为据报道它能够促进溶剂热系统中的溶剂解和降解反应[[34], [35], [36], [37], [38], [39], [40]]。采用四组分单纯形-质心混合设计来探索面包废物（BW）、苹果渣（AP）、茶渣（ST）和咖啡渣（SCG）之间的相互作用，从而用有限的实验次数绘制响应表面图[41], [42], [43], [44], [45]]。
本工作的目的不是优化生物原油产量、工艺效率或元素回收率，也不是推断详细的反应机制。相反，它考察了不同的建模框架在处理受限组成数据集时的表现，其中回收生物原油的碳和氢质量分数（重量百分比）被视为相关的说明性描述符，而不是独立的状态变量。因此，模型输出是描述性解释的，不涉及元素闭合的问题。基于这一背景，结论仅限于描述性趋势分析和方法论比较，提供了关于建模方法在处理受限组成数据时的能力的见解。
