生物质厌氧消化与热解炭化模型数据集

生物质厌氧消化及热解炭化模型数据集面向生物质厌氧发酵和热解炭化产物快速预测需求，利用机器学习构建模型，数据集包含生物质热解炭肥产量与养分含量预测数据，以及基于ADM1和机器学习耦合的厌氧发酵预测数据。生物质热解数据集基于不同原料及热解条件，记录了生物炭产量（BY）及主要元素组成（C、H、O、N、P、K），采用XGBoost、随机森林（RF）、支持向量回归（SVR）、BP-ANN等机器学习模型进行预测，并通过数据增强和SHAP分析提升模型性能。厌氧发酵数据集结合ADM1理论模型和机器学习方法，对连续厌氧发酵过程进行模拟，优化动力学参数（Kdis、Khyd_CH、Ks_fa等），并使用SVM、FSL等模型进行参数预测。