农业机械学报

作者：陈坤杰，张士航，劳裕婷，孙啸，贲宗友，柏钰

单位：南京农业大学,南京农业大学;滁州学院,南京农业大学;滁州学院,滁州学院,滁州学院,滁州学院,

关键词：谷朊粉;膜污染预测模型;权重组合策略;双向长短时记忆网络

基金：滁州市八大产业链强链补链攻坚项目（2022GJ011）和滁州市“双创之星”产业创新团队项目

针对膜分离法回收谷朊粉加工废水中的蛋白质时极易出现的膜污染问题，提出了一种基于双向长短时记忆网络（Bi-directional long short-term memory, BiLSTM）的权重组合模型用于对膜污染状况的预测。以谷朊粉加工废水提取回收中试生产线采集的14个相关变量作为输入，以膜通量变化量作为输出，建立支持向量机模型（Support vector machine, SVM）、反向传播神经网络模型（Back propagation, BP）、随机森林模型（Random forest, RF）、广义回归神经网络模型（Generalized regression neural network, GRNN）4种基准模型和BiLSTM模型1种给定模型，通过误差倒数法计算基准模型与给定模型的权重，构建权重组合预测模型;最后以决定系数R2和均方误差（MSE）为评价指标，分析单项模型与权重组合模型的预测性能。结果表明，权重组合模型能够综合单项模型优点，在性能上显著优于单项模型;其中BP+BiLSTM+RF模型R2高达0.9906，具有较高的拟合精度;MSE为1.004L2/(h2·m4)，在所有模型中最低，相较BP、BiLSTM和RF单项模型，分别降低46.05%、67.24%、50.81%。所开发的权重组合模型可用于谷朊粉加工废水蛋白回收处理时膜污染程度精确预测。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期