生物质厌氧发酵复杂体系中近红外快速测定降解能力的机理研究

As a a nondestructive, low-cost and rapid method, Near-Infrared Spectroscopy (NIRS) for determination of Biodegradatility (BD) of biomass has gained a lot of attention in the recent time; however, the accuracy and adaptability of models should be improved to enhance further prediction of BD. To change the fact of low reproducibility of BMP assays, a series of experiments on anaerobic digestion of biomass will be done on a the Methane Potential Test System to make clear the mechanism of biomass decomposition and to ascertain the influence of experimental fators on the Biomethanl Potential (BMP) results. At the same time, uncertainty analysis of BMP assays is performed to characterize the dispersion of the BMP values. The quantitative models are constructed by the Sparse method and Consensus Modeling method to predict BMP values of biomass combining NIRS Technique. Sparse method is capable of constructing a sparse model with stronger ability in interpretation while retaining good modeling accuracy. The accuracy of prediction results and the robustness of the models can be improved through Consensus Modeling method combining multiple individual PLS models. The application of new NIRS models is expected to be an alternative modern tool to overcome the problems of current BMP methods.

利用近红外光谱技术快速、准确的测定生物质的厌氧降解能力是近年来的研究热点，然而，分析的可靠性和适应性尚有提升空间。本项目拟在甲烷潜力测试实验平台上进行厌氧降解影响因素实验研究，探讨生物质降解反应机理以及影响生化甲烷潜力（BMP）的多联相关机制；同时研究BMP实验的不确定度，评价实验数据的可靠性，规范BMP实验测试方法。在此基础上，将可靠的BMP数据与近红外光谱关联建立定量预测模型，通过提高光谱特征辨识能力着手，引入新型非线性算法，优化建模效率和预测能力，最终建立起一套基于近红外光谱分析技术的快速、高效、无损、普适的生物质厌氧降解能力的分析方法。本研究将对新型可再生能源逐步替代传统化石能源，对实现社会经济可持续发展具有重要现实意义。本研究将对新型可再生能源逐步替代传统化石能源，对实现社会经济可持续发展具有重要现实意义。

本项目针对目前生物质厌氧发酵降解能力（BMP）高效检测方面的不足，开展基于近红外光谱技术的生物质厌氧发酵复杂体系中近红外测定降解能力的机理研究。研究计划要点主要包括：1）生物质生化甲烷潜力（Biochemical Methane Potential, BMP）与影响因素多联相关机制的实验研究。2）生物质 BMP 的光谱特征提取与模型构建。3）波长筛选、模型优化以及模型的转移。 项目执行三年期内，基本按照原计划进行，完成了预定目标，在生物质厌氧发酵复杂体系中近红外快速测定降解能力的机理研究方面取得了一些创新成果。基于称重法的BMP自动测量实验平台的搭建实现对有机废弃物厌氧发酵的甲烷产气量、发酵环境温度、pH值参数采集、处理和实时显示，实验测定数据的平均相对误差仅为1.10%。收集了中国大陆地区生物质样品近300种，涵盖水生植物和藻类、典型的城市有机废弃物、木屑、速生植物等多种，形成了BMP分析规范以保证原始数据的可靠性；在光谱分析研究中，探讨了生物质的化学组分与光谱特性的关联机理；在建模的研究中，通过多种化学计量学算法进行波长筛选的研究，其中利用遗传算法(GA)筛选出 1404 个波长点，所选取的波段利用支持向量机建立回归模型，模型的精确性和稳定性提高，光谱特征的物理解释性增强。此外，NIPALS算法能够使RMSEP减少33.29mL，相关系数提高了18.99%。