Zachęcamy do zapoznania się z artykułem naukowym dotyczącym analizy efektywności produkcji biogazu z osadów ściekowych, w tym modeli predykcyjnych opartych na uczeniu maszynowym oraz narzędzia AD2Biogas Predictor wspierającego optymalizację procesu.
Publikacja powstała we współpracy z Katedrą Inżynierii i Chemii Środowiska oraz Miejskim Przedsiębiorstwem Wodociągów i Kanalizacji w Rzeszowie.
Organiściak, P., Masłoń, A. A., Kowal, B., Kuraś, P., Wadiak, B., Sikorska-Czupryna, S., & Vanivska, V. (2024). Machine Learning-Based Prediction of Biogas Production from Sludge Characteristics in Four Anaerobic Digesters: Development of the AD2Biogas Prediction Tool. In Advances in Science and Technology Research Journal (Vol. 18, Issue 8, pp. 1–15). Wydawnictwo Naukowe Gabriel Borowski (WNGB). https://doi.org/10.12913/22998624/192936
Abstrakt:
Jednym z alternatywnych sposobów pozyskiwania taniej energii jest wykorzystanie biogazu wytwarzanego w procesie fermentacji osadów ściekowych. W artykule przedstawiono analizę procesów w czterech komorach fermentacyjnych beztlenowych (AD) – A, B, C i D. W badaniu przeanalizowano ilość biogazu wytwarzanego w każdym zbiorniku fermentatora i porównano je ze sobą. Wykorzystując zestawy danych składające się z parametrów dotyczących osadu wstępnego i osadu nadmiernego kierowanego do każdego zbiornika, zbadano wpływ proporcji tych parametrów na wydajność produkcji biogazu. Na podstawie tych danych zbudowano i porównano kilka modeli wykorzystujących różne techniki uczenia maszynowego, które mogą być wykorzystane do wsparcia procesu optymalizacji produkcji biogazu. Stworzono rónież bezpłatne, wygodne narzędzie internetowe napisane w języku Python – AD2Biogas Predictor Tool, aby można było wygodnie oszacować przewidywaną ilość biogazu wytwarzanego w danym dniu przy użyciu zaimplementowanych modeli. Głównym celem badania jest zrozumienie, w jaki sposób badane parametry wpływają na wydajność procesu i zidentyfikowanie potencjalnych strategii optymalizacji, a także zaproponowanie modelu do przewidywania wydajności biogazu w oparciu o charakterystykę osadu. Rezultatem badań ma być przyczynienie się do zwiększenia efektywności gospodarowania osadami w oczyszczalniach ścieków oraz zwiększenia produkcji biogazu, zarówno w postaci opracowanych modeli, jak i narzędzia programistycznego
