用于可可废弃物多产物产量预测和随机不确定性量化的混合经验-人工智能模型

《Sustainability》:A Hybrid Empirical–AI Model for Multi-Product Yield Prediction and Stochastic Uncertainty Quantification from Cocoa Residues

【字体: 大 中 小 】 时间:2026年08月08日 来源:Sustainability 4.1

编辑推荐:

  农业工业残留物的低效管理,尤其是可可豆荚壳和粘液,在哥伦比亚的桑坦德和北桑坦德省构成了关键的环境和经济挑战,当地每年从超过23,500吨可可豆的区域产量中产生超过55,000吨生物质废物。此外,这些残留物约占水果总重量的70%至75%,目前未得到充分利用,通过

  
农业工业残留物的低效管理,尤其是可可豆荚壳和粘液,在哥伦比亚的桑坦德和北桑坦德省构成了关键的环境和经济挑战,当地每年从超过23,500吨可可豆的区域产量中产生超过55,000吨生物质废物。此外,这些残留物约占水果总重量的70%至75%,目前未得到充分利用,通过不受控制的分解产生严重的局部污染,并因浪费具有高增值潜力的化合物而造成重大经济损失。本文提出了一种基于人工智能的经验模型的设计、系统实验校准和内部交叉验证,该模型能够预测从可可残留物中获得的有价值化合物的数量,包括生物乙醇(bioethanol)、精油(essential oils)、石蜡(paraffins)、抗氧化剂(antioxidants)和果胶(pectins)。该模型整合了关键变量,如可可品种、提取方法和工艺条件,结合了先进的机器学习技术,这些技术是基于84次实验室试验的100%经验数据库进行训练的,并结合了通过蒙特卡洛方法(Monte Carlo method)进行的10,000次模拟的后推断敏感性分析。初步结果表明存在显著的品种差异;例如,CCN-51品种的平均生物乙醇产量为79.30 ± 4.96 mL/kg,95%置信区间为(69.44–88.93)mL/kg,而Criollo品种达到43.55 ± 2.72 mL/kg(38.14–48.84 mL/kg),分别表现出高度同步的变异系数(coefficients of variation)6.255%和6.246%。此外,级联提取序列与神经网络的整合可能有助于最大化副产品产量,理论质量平衡估算表明,与传统的孤立提取途径相比,最终残留物生成可能减少多达40%,如所提出的框架中详述。该工具可能支持循环经济,并与可持续发展目标(Sustainable Development Goals,SDGs)7、9和12保持一致,同时为通过数据驱动决策和可持续技术采用提高哥伦比亚可可产业的竞争力提供可能途径。
**研究背景与问题**
可可废弃物(cocoa residues)的低效管理在哥伦比亚桑坦德和北桑坦德省构成严峻环境与经济挑战:每年超过55,000吨生物质废物(biomass waste)来自23,500吨可可豆的区域产量,其中可可豆荚壳和粘液(mucilage)占果实总重70%–75%,因不受控分解造成局部污染,并浪费具有高增值潜力的化合物(如生物乙醇、精油、石蜡、抗氧化剂和果胶)。现有预测模型缺乏多产物产量估计能力,且传统机器学习方法(如人工神经网络中的min-max归一化)丢弃了物理量纲,导致模型更新困难。因此,研究人员旨在开发一种混合经验-人工智能(hybrid empirical–AI)模型,集成维度一致性(dimensional consistency)与机器学习推理,以预测多产物产量并量化随机不确定性,支持循环经济与可持续发展目标(SDGs 7、9、12)。该研究发表在《Sustainability》。

**主要关键技术方法**
研究人员采用混合经验-人工智能模型,包括:输入非量纲化(将连续变量转化为无量纲比值)、多层感知器人工神经网络(Multilayer Perceptron ANN,单隐层16神经元,ReLU激活函数)预测相对效率因子(relative efficiency factor,η),以及基于经验参考值(Y0c)和品种校正因子(γv)的量纲重建。后推断阶段使用蒙特卡洛方法(Monte Carlo,10,000次模拟,拉丁超立方采样)进行不确定性量化,并通过10折交叉验证评估模型泛化能力。样本队列来自哥伦比亚桑坦德和北桑坦德省的84个可可废弃物样本,涵盖CCN-51、Criollo、Forastero和Trinitario四个品种(每种21个样本)。

**研究结果**
**3.1 实验表征(Experimental Characterization)**
通过84次受控实验室提取试验,量化了不同品种的目标化合物产量。CCN-51品种的乙醇产量最高(81.73±6.11 mL/kg),Criollo品种在精油(12.5±1.2 mL/kg)和抗氧化剂(85.4±4.5 mg GAE/g)方面表现最优。单因素方差分析(ANOVA)显示品种间乙醇产量差异显著(F=253.09,p<0.001),部分η2(ηp2)为0.905,表明90.5%的方差归因于品种因素。配对比较的Cohen's d值在CCN-51与Criollo之间达到7.63,效应量极大。

**3.2 模型训练性能与收敛分析(Model Training Performance and Convergence Analysis)**
混合ANN模型训练500个epoch后,验证均方根误差(RMSE)为4.1 mL/kg,决定系数(R2)在0.81–0.94之间(乙醇预测:CCN-51为0.91,Criollo为0.89,Forastero为0.90,Trinitario为0.88)。与多元线性回归(R2=0.74)、支持向量回归(R2=0.85)和随机森林(R2=0.87)相比,混合ANN表现最优,RMSE降低40%。学习曲线显示训练与验证损失在约150个epoch后收敛,泛化间隙(ΔRMSE)约0.9 mL/kg,表明模型未过拟合。

**3.3 蒙特卡洛敏感性分析结果(Monte Carlo Sensitivity Analysis Results)**
10,000次模拟后,CCN-51品种乙醇产量最可能值为79.68 mL/kg(均值79.30 mL/kg),95%置信区间为[69.44, 88.93] mL/kg;Forastero均值为75.98 mL/kg,Trinitario为59.42 mL/kg,Criollo为43.55 mL/kg。所有品种的变异系数(CV)均稳定在约6.2%,表明相对不确定性一致。分布对称(偏度近零),箱线图显示品种间中位数和四分位距(IQR)无重叠,证实产量差异显著。

**讨论总结**
模型预测性能良好,R2范围为0.81–0.94,验证了维度一致性架构的有效性。蒙特卡洛分析表明温度和pH贡献约45%和28%的方差,强调过程控制的重要性。品种间差异显著,CV稳定表明相对不确定性不依赖绝对产量。混合架构通过分离无量纲学习空间与物理缩放层,提高了可解释性并支持模块化更新(仅需调整Y0c和γv)。级联提取序列的理论质量平衡表明最终废物减少40%,但需工业规模验证。研究局限性包括实验室规模、缺乏外部验证数据集、未进行生命周期评估(LCA)和技术经济分析(TEA),未来需扩大样本量并开展中试实验。

**研究结论翻译**
本研究开发的基于人工智能的经验模型提供了一种系统方法,用于预测可可豆荚壳和粘液(mucilage)中生物乙醇(bioethanol)、精油(essential oils)、石蜡(paraffins)、抗氧化剂(antioxidants)和果胶(pectins)的产量,基于84个受控实验室试验的实验基线。在评估的实验空间内,结果表明CCN-51品种倾向于表现出比Criollo、Forastero和Trinitario更高的生物乙醇生产潜力,而观察到的变异系数(CV)约为6.2%,在广泛的多产物谱中保持稳定,这与相对过程稳定性可能在不同生物质规模下维持的解释一致。此外,通过10,000次蒙特卡洛(Monte Carlo)敏感性框架评估的多操作因素整合,为具有95%置信区间的风险知情估计提供了基础,这可以作为未来可持续农业工业生物精炼厂研究的可转移且维度一致的参考。在不同化合物组分中观察到的变异性强调了适当选择可可品种和提取方法的重要性,同时保持对连续因素(如温度、pH和溶剂浓度)的严格仪器控制。这些发现与现有文献一致,强调工艺参数与原材料组成之间的适当平衡可能有助于多产物提取效率,并可能支持该部门内的循环经济原则。
除了其预测能力,所提出的混合架构通过将无量纲机器学习空间与物理缩放层分离,提供了一个方法论考虑,可能在可可废弃物增值之外的类似建模背景下进行探索。具体而言,维度一致性方法可能有助于解决关于量纲齐次性的批评,同时保持神经网络的灵活性,可能提供一个适用于其他农业工业生物精炼过程的结构化框架。尽管当前研究是在受控实验室条件下进行的,但整合后的模型为多输出农业工业生物精炼领域的未来研究提供了经验基础。未来工作的潜在方向包括中试规模验证实验、与实时监测系统集成以进行动态操作调整,以及全面的生命周期评估(LCA)和技术经济分析(TEA),以更严格地评估所提出级联生物精炼序列的环境和经济影响。如果在更大规模上得到验证,该框架可能有助于废物管理和可再生资源生成方面的区域可持续性,尽管这种贡献需要通过工业规模部署以及与可可加工者和政策利益相关者的合作来证明。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    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