近日，机械工程专业学位硕士研究生殷万欣为第一作者，环境学院丁成教授、远野副教授为通讯作者的研究论文《High-precision prediction of unionized hydrogen sulfide generation based on limited datasets and its impact on anaerobic digestion of sulfate-rich wastewater》在环境科学与生态学领域权威期刊《Journal of Cleaner Production》发表。该期刊2021年影响因子9.297。

本研究采用基于拉依达准则的数据增强方法来提升深度神经网络模型对厌氧消化过程中硫化氢产生量的预测精度，探究了不同虚拟数据集及模型结构对模型拟合效果的作用规律，揭示了虚拟数据及结构对模型拟合能力的作用机制及影响规律。该方法有效的缩短了厌氧消化中非线性生化反应过程的建模周期，并提升了该模型的预测鲁棒性，可辅助厌氧消化中硫化氢毒性抑制提供实时精确预测，为人工智能辅助决策控制解决具体环境问题提供了实用性手段。

本研究得到国家自然科学面上基金（52170054）资助。

文章链接：https://doi.org/10.1016/j.jclepro.2022.130875