(通讯员 段姣姣)有机固废气化是实现可持续能源利用的有效路径，其工艺优化对提升有机固废资源转化效率至关重要。近日，我校市政与测绘工程学院本科生陈温妮在该领域取得重要突破，创新性地提出了一种机器学习集成预测模型，为有机固废气化工艺的优化提供了精准、高效的决策工具。这项研究成果以《An Integrated Exergy Efficiency and Machine Learning Method for Optimizing Organic Solid Waste Gasification Process》为题发表于人工智能领域SCI一区期刊《Engineering Applications of Artificial Intelligence》。该工作得到湖南省自然科学基金与湖南省大学生创新创业训练计划项目的支持。
该研究创新性地将层次分析法-模糊综合评价与机器学习算法相结合，构建了一套针对有机固废气化工艺的优化模型。研究团队基于不同气化炉的实验数据，首次引入㶲效率指标作为系统评价核心，通过层次分析法-模糊综合评价方法量化气化系统的综合性能得分，并利用梯度提升决策树等8种机器学算法进行预测建模。实际应用表明，该模型能根据原料特性和处理规模精准推荐最优气化炉类型及操作参数：例如，在处理垃圾衍生燃料的小型项目中优选下吸式固定床气化炉，而在年产15万吨竹屑的大规模项目中，针对减排目标推荐循环流化床，针对产氢需求则推荐双流化床。这一方法突破了传统单参数优化的局限，实现了气化系统在能源效率、环境效益与经济性上的多目标协同优化。
该研究成果不仅为有机固废能源化利用提供了高效决策工具，其方法论更为复杂能源系统优化提供普适解决方案。此项研究将加速“无废城市”建设进程，为实现碳中和目标提供关键技术支撑。
审核：一审：向夏楠 二审：方新 三审：饶迎
