Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Năng lượng metan bền vững từ bã mía được xử lý qua công nghệ bokashi: so sánh giữa mạng nơ-ron và mô hình toán học
Springer Science and Business Media LLC - Trang 1-17 - 2023
Tóm tắt
Bã mía là nguyên liệu thừa chính trong ngành công nghiệp mía đường, và nó có tiềm năng năng lượng lớn chưa được khai thác. Việc sản xuất biogas từ bã mía được sử dụng như một nguồn năng lượng thân thiện với môi trường nhưng thành phần phức tạp của nó làm cho việc phân hủy trở nên khó khăn. Nghiên cứu này nhằm mục đích khám phá tác động của công nghệ bokashi, một kỹ thuật áp dụng vi sinh vật hiệu quả lên khả năng sản xuất metan từ bã mía. Theo các phát hiện, bã mía có khả năng sản xuất biogas nhưng việc áp dụng công nghệ bokashi lên bã mía cho thấy sản lượng metan cao hơn. Sản xuất metan từ bã mía đã xử lý trong một tháng qua mầm bokashi đạt 243.80 LCH4/kgVS so với 106.84 LCH4/kgVS chỉ từ bã mía tươi, điều này thường được cho là do quá trình tiền xử lý đã cải thiện sự phân hủy carbohydrate dạng sợi. Sự giảm tổng chất rắn và nhu cầu oxy hóa học lớn hơn đối với bã mía đã xử lý. Mô hình toán học hai chiều (TDMM) và mạng nơ-ron nhân tạo (ANN) đã được sử dụng để dự đoán sản lượng metan thông qua quá trình đồng tiêu hóa kỵ khí. Ưu điểm chính của mô hình ANN là khả năng được xây dựng và huấn luyện cho bất kỳ thí nghiệm nào, bất kể có sẵn một nghiên cứu trước đó hay hiểu biết về các hiện tượng cơ bản hay không. Ngược lại, sự tồn tại của một mô hình toán học mô tả chính xác hành vi của thí nghiệm hiện tại là một yêu cầu cơ bản để xây dựng mô hình TDMM. Mô hình TDMM vẫn ổn định trong mỗi lần chạy, vì nó dựa vào các phương trình toán học đã thiết lập. Trong khi đó, mô hình ANN có thể cho thấy sự biến động trong mỗi lần chạy do khởi tạo ngẫu nhiên của các trọng số.
Từ khóa
#bã mía #công nghệ bokashi #sản xuất metan #mô hình toán học #mạng nơ-ron nhân tạoTài liệu tham khảo
Abdel Daiem MM, Hatata A, El-Gohary EH, Abd-Elhamid HF, Said N (2021) Application of an artificial neural network for the improvement of agricultural drainage water quality using a submerged biofilter. Environ Sci Pollut Res 28:5854–5866. https://doi.org/10.1007/s11356-020-10964-0
Abraham A, Mathew AK, Park H, Choi O, Sindhu R, Parameswaran B, Sang B-I (2020) Pretreatment strategies for enhanced biogas production from lignocellulosic biomass. Biores Technol 301:122725. https://doi.org/10.1016/j.biortech.2019.122725
Abudi ZN, Hu Z, Abood AR, Liu D, Gao A (2020) Effects of alkali pre-treatment, total solid content, substrate to inoculum ratio, and pH on biogas production from anaerobic digestion of mango leaves. Waste Biomass Valoriz 11:887–897. https://doi.org/10.1007/s12649-018-0437-0
Agency IE (2009) World energy outlook: OECD/IEA Paris. https://doi.org/10.1787/weo-2009-en
Arumugam V, Ismail MH, Puspadaran TA, Routray W, Ngadisih N, Karyadi JNW, Suryatmojo H (2022) Food waste treatment methods and its effects on the growth quality of plants: a review. Pertanika J Trop Agric Sci. https://doi.org/10.47836/pjtas.45.1.05
Awang H, Awang Z (2021) Converting food waste generation from household using bokashi method for composting. Progr Eng Appl Technol 2(2):075–084
Batstone DJ, Puyol D, Flores-Alsina X, Rodríguez J (2015) Mathematical modelling of anaerobic digestion processes: applications and future needs. Rev Environ Sci Bio/technol 14:595–613. https://doi.org/10.1007/s11157-015-9376-4
Brunelli U, Piazza V, Pignato L, Sorbello F, Vitabile S (2008) Three hours ahead prevision of SO2 pollutant concentration using an Elman neural based forecaster. Build Environ 43(3):304–314. https://doi.org/10.1016/j.buildenv.2006.05.011
Burden F, Winkler D (2009) Bayesian regularization of neural networks. Artif Neural Netw Methods Appl. https://doi.org/10.1007/978-1-60327-101-1_3
Christel DM (2017) The use of bokashi as a soil fertility amendment in organic spinach cultivation: The University of Vermont and State Agricultural College
Dahunsi SO, Oranusi S, Efeovbokhan VE (2017) Cleaner energy for cleaner production: modeling and optimization of biogas generation from Carica papayas (Pawpaw) fruit peels. J Clean Prod 156:19–29. https://doi.org/10.1016/j.jclepro.2017.04.042
Dhamodharan K, Kumar V, Kalamdhad AS (2015) Effect of different livestock dungs as inoculum on food waste anaerobic digestion and its kinetics. Biores Technol 180:237–241. https://doi.org/10.1016/j.biortech.2014.12.066
Di Girolamo G, Grigatti M, Barbanti L, Angelidaki I (2013) Effects of hydrothermal pre-treatments on giant reed (Arundo donax) methane yield. Biores Technol 147:152–159. https://doi.org/10.1016/j.biortech.2013.08.006
Ebner JH, Labatut RA, Lodge JS, Williamson AA, Trabold TA (2016) Anaerobic co-digestion of commercial food waste and dairy manure: Characterizing biochemical parameters and synergistic effects. Waste Manage 52:286–294. https://doi.org/10.1016/j.wasman.2016.03.046
Federation WE, Association A (2005) Standard methods for the examination of water and wastewater. American Public Health Association (APHA), Washington, DC, USA, p 21
Gaur RZ, Suthar S (2017) Anaerobic digestion of activated sludge, anaerobic granular sludge and cow dung with food waste for enhanced methane production. J Clean Prod 164:557–566. https://doi.org/10.1016/j.jclepro.2017.06.201
Ghosh P, Kumar M, Kapoor R, Kumar SS, Singh L, Vijay V, Thakur IS (2020) Enhanced biogas production from municipal solid waste via co-digestion with sewage sludge and metabolic pathway analysis. Biores Technol 296:122275. https://doi.org/10.1016/j.biortech.2019.122275
Hamada Y (2011) Water resources reallocation in upper and middle Egypt. EWRA Eur Water EW Publ 33:33–44
Kaur M, Verma YP, Chauhan S (2020) Effect of chemical pretreatment of sugarcane bagasse on biogas production. Mater Today Proc 21:1937–1942. https://doi.org/10.1016/j.matpr.2020.01.278
Kumar KV, Bai RK (2008) Solar greenhouse assisted biogas plant in hilly region–a field study. Sol Energy 82(10):911–917. https://doi.org/10.1016/j.solener.2008.03.005
Li L, Kong X, Yang F, Li D, Yuan Z, Sun Y (2012) Biogas production potential and kinetics of microwave and conventional thermal pretreatment of grass. Appl Biochem Biotechnol 166:1183–1191. https://doi.org/10.1007/s12010-011-9503-9
Lima DRS, Adarme OFH, Baêta BEL, Gurgel LVA, de Aquino SF (2018) Influence of different thermal pretreatments and inoculum selection on the biomethanation of sugarcane bagasse by solid-state anaerobic digestion: a kinetic analysis. Ind Crops Prod 111:684–693. https://doi.org/10.1016/j.indcrop.2017.11.048
Liu C-F, Yuan X-Z, Zeng G-M, Li W-W, Li J (2008) Prediction of methane yield at optimum pH for anaerobic digestion of organic fraction of municipal solid waste. Biores Technol 99(4):882–888. https://doi.org/10.1016/j.biortech.2007.01.013
Mehareb EM, El-Shafai A, Fouz FA (2021) History and current status of sugarcane breeding in Egypt. Sugar Tech. https://doi.org/10.1007/s12355-021-01010-5
Micheal A, Moussa RR (2022) Evaluating the Effect of adding sugarcane bagasse to the fire clay brick’s properties. Civ Eng Archit 10(1):71–78. https://doi.org/10.13189/cea.2022.100106
Montecchio D, Astals S, Di Castro V, Gallipoli A, Gianico A, Pagliaccia P, Braguglia CM (2019) Anaerobic co-digestion of food waste and waste activated sludge: ADM1 modelling and microbial analysis to gain insights into the two substrates’ synergistic effects. Waste Manage 97:27–37. https://doi.org/10.1016/j.wasman.2019.07.036
Olasesan I, Ajani A, Atoyebi A, Adekunmi A, Odesanmi A, Latinwo G (2022) Anaerobic digestion of organic waste using the Bokashi method to produce organic fertilizer. World Sci News 172:70–87
Olle M (2021) Bokashi technology as a promising technology for crop production in Europe. J Hortic Sci Biotechnol 96(2):145–152. https://doi.org/10.1080/14620316.2020.1810140
Pond CM, Mattacks CA, Gilmour I, Johnston M, Pillinger C, Prestrud P (1995) Chemical and carbon isotopic composition of fatty acids in adipose tissue as indicators of dietary history in wild arctic foxes (a lopex lagopus) on Svalbard. J Zool 236(4):611–623. https://doi.org/10.1111/j.1469-7998.1995.tb02735.x
Russo A, Raischel F, Lind PG (2013) Air quality prediction using optimal neural networks with stochastic variables. Atmos Environ 79:822–830. https://doi.org/10.1016/j.atmosenv.2013.07.072
Singh KP, Gupta S, Kumar A, Shukla SP (2012) Linear and nonlinear modeling approaches for urban air quality prediction. Sci Total Environ 426:244–255. https://doi.org/10.1016/j.scitotenv.2012.03.076
Valim IC, Fidalgo JL, Rego AS, Vilani C, Martins ARF, Santos BF (2017) Neural network modeling to support an experimental study of the delignification process of sugarcane bagasse after alkaline hydrogen peroxide pre-treatment. Biores Technol 243:760–770. https://doi.org/10.1016/j.biortech.2017.06.029
Vats N, Khan AA, Ahmad K (2019a) Anaerobic co-digestion of thermal pre-treated sugarcane bagasse using poultry waste. J Environ Chem Eng 7(5):103323. https://doi.org/10.1016/j.jece.2019.103323
Vats N, Khan AA, Ahmad K (2019b) Observation of biogas production by sugarcane bagasse and food waste in different composition combinations. Energy 185:1100–1105. https://doi.org/10.1016/j.energy.2019.07.080
Ware A, Power N (2017) Modelling methane production kinetics of complex poultry slaughterhouse wastes using sigmoidal growth functions. Renew Energy 104:50–59. https://doi.org/10.1016/j.renene.2016.11.045
Xie S, Hai FI, Zhan X, Guo W, Ngo HH, Price WE, Nghiem LD (2016) Anaerobic co-digestion: a critical review of mathematical modelling for performance optimization. Biores Technol 222:498–512. https://doi.org/10.1016/j.biortech.2016.10.015
Zheng Y, Zhao J, Xu F, Li Y (2014) Pretreatment of lignocellulosic biomass for enhanced biogas production. Progr Energy Combust Sci 42:35–53. https://doi.org/10.1016/j.pecs.2014.01.001