基于NARX-BP模型的沼气升级预测及其机理分析

在这项研究中，研究人员开发了一种新的通用数据驱动的两阶段模型，该模型被称为NARX-BP混合神经网络，用于通过直接电子传输（DET）通过生物阴极微生物电解池（MEC）的原位沼气升级预测CH4的产生。这种模型可以很好地预测通过DET产生的甲烷的性能，并揭示了沼气升级的机理，对于新的系统模型，该方法可以通过输入重要的中间变量来提高通用性和适用性。此外，该模型通常可用于支持厌氧消化或更复杂系统的长期预测和最佳操作。 首先，我们来了解一下BP网络。BP网络，即反向传播人工神经网络，是一种按照误差反向传播训练的多层前馈神经网络。它包含输入层、隐藏层和输出层。BP网络通过前向传播输入数据，然后通过反向传播误差来调整网络的权重和偏置，以使输出误差最小化。BP网络在许多领域都有广泛的应用，如图像识别、语音识别、自然语言处理等。 然后，我们来看看NARX模型。NARX模型是一种非线性自回归外生模型，它可以用来模拟和预测非线性动态系统的输出。NARX模型的输出不仅取决于当前的输入，还取决于过去的输入和输出。因此，NARX模型可以很好地处理时间序列数据。 在这项研究中，研究人员将BP网络和NARX模型结合起来，形成了一个混合神经网络模型。这个模型不仅可以处理非线性数据，还可以处理时间序列数据，因此可以很好地预测沼气升级的过程。 此外，研究人员还提出了一种新的数据驱动的两阶段模型，这种模型可以更好地预测通过DET产生的甲烷的性能，并揭示沼气升级的机理。这种模型通过输入重要的中间变量，提高了模型的通用性和适用性。 最后，这个项目包括NARX-BP混合神经网络的模型和代码，这些代码可以在Matlab 2017b环境下运行。这个项目的目标是通过直接电子转移估算微生物电解池中原位沼气的升级。 总的来说，这项研究提出了一种新的混合神经网络模型，可以更好地预测沼气升级的过程，并揭示沼气升级的机理。这种模型不仅可以用于模拟微生物电解池，还可以用于其他生物过程和复杂React的建模。此外，这种模型还可以用于支持厌氧消化或更复杂系统的长期预测和最佳操作。