基于BP神经网络—遗传算法的咖啡壳炭化工艺参数优化

doi:10.12398/j.issn.2096-7217.2025.01.005

智能化农业装备学报（中英文） ›› 2025, Vol. 6 ›› Issue (1): 51-58.DOI: 10.12398/j.issn.2096-7217.2025.01.005

基于BP神经网络—遗传算法的咖啡壳炭化工艺参数优化

张霞¹^,²(), 苏盼杰¹^,², 朱静哲¹^,², 王伊洋¹^,², 黄峻伟¹^,²()

^1.云南农业大学机电工程学院，云南昆明，650500
^2.云南省教育厅高原特色现代农业节能减碳重点实验室，云南昆明，650201

收稿日期:2024-03-04 修回日期:2024-06-19 出版日期:2025-02-15 发布日期:2025-02-15
通讯作者: 黄峻伟
作者简介:张霞，女，1972年生，云南蒙自人，硕士，教授；研究方向为生物质能源。E-mail： zhxia8056@163.com
基金资助:
国家自然科学基金(52166010);云南省基础研究计划面上项目(202101AT070202)

Optimization of coffee shell carbonization parameters based on BP neural network-genetic algorithm

ZHANG Xia¹^,²(), SU Panjie¹^,², ZHU Jingzhe¹^,², WANG Yiyang¹^,², HUANG Junwei¹^,²()

^1.Yunnan Agricultural University，Kunming 650500，China
^2.Key Laboratory of Plateau Characteristic Modern Agriculture Energy Conservation and Carbon Reduction，Education Department of Yunnan Province，Kunming 650201，China

Received:2024-03-04 Revised:2024-06-19 Online:2025-02-15 Published:2025-02-15
Contact: HUANG Junwei
About author:ZHANG Xia， E-mail： zhxia8056@163.com
Supported by:
National Natural Science Foundation of China(52166010);Yunnan Provincial Project Fund(202101AT070202)

摘要/Abstract

摘要：

生物炭是一种针对生物质能高效开发的多功能材料，随着对生物质能高效开发的关注，生物炭的应用范围逐渐扩展，其中炭基肥作为生物炭的一个重要应用方向，因其优良的缓释性能和对土壤负担小的特点，受到广泛关注。生物炭的理化性质受到制备过程中的炭化温度、炭化时间和升温速率等工艺参数的显著影响，不同炭化工艺不仅决定了生物炭的理化性质，还直接影响其作为炭基肥的缓释性能。传统的实验方法往往需要大量的时间和资源投入，因此，探索更加高效的优化方法成为了研究的热点。本研究采用了BP神经网络与遗传算法相结合的优化方法，针对咖啡壳生物炭的炭化过程中的炭化温度、炭化时间和升温速率3个关键工艺参数进行预测和优化。研究结果表明，采用BP神经网络—遗传算法优化后的炭基肥，其最佳工艺参数为炭化时间2.8 h、炭化温度780.7 °C和升温速率15.1 °C/min。在此工艺条件下制备的咖啡壳生物炭基肥，其7 d养分累计释放率为45.9%，表明缓释性能得到了显著提升。综上所述，本研究提出了一种基于BP神经网络和遗传算法的生物炭炭化工艺参数优化方法，能够有效提高炭基肥的缓释性能。该方法不仅为生物炭制备工艺的优化提供了新的技术路径，也为相关领域的研究提供了重要参考，对推动高性能炭基肥的发展具有积极意义。

关键词: 生物炭, BP神经网络, 遗传算法, 炭基肥, 工艺参数优化

Abstract:

Biochar is a multifunctional material efficiently developed from biomass. It is combined with fertilizers to prepare biochar-based fertilizers， which has excellent slow-release performance and minimal soil burden. The carbonization temperature， carbonization time， and heating rate during biomass carbonization process affect the physical and chemical properties of biochar. The biochar under different carbonization temperatures， carbonization times and heating rates have a significant impact on the slow-release performance of biochar-based fertilizers. In this study， BP neural network coupled with genetic algorithm was used to predict and optimize key process parameters during the carbonization process of coffee shell biochar in order to improve the slow-release performance of biochar-based fertilizers. Results had shown that based on BP neural network-genetic algorithm， rapid prediction and optimization of the slow-release performance of coffee shell biochar-based fertilizer had been achieved through experiments. The optimal process parameters were： carbonization time of 2.8 h， carbonization temperature of 780.7 ℃， and the heating rate of 15.1 ℃/min. The seven-day cumulative nutrient release rate of the biochar-based fertilizer prepared under this process parameter was 45.9%， and the slow-release performance was improved. The study proposed a new method for optimizing the parameters of biochar carbonization process， which provided new ideas for the development of high-performance biochar preparation processes and had certain reference significance for improving the performance of biochar-based fertilizers.

Key words: biochar, BP neural network, genetic algorithm, biochar-based fertilizer, parameter optimization

中图分类号:

S225.5+2

张霞, 苏盼杰, 朱静哲, 王伊洋, 黄峻伟. 基于BP神经网络—遗传算法的咖啡壳炭化工艺参数优化[J]. 智能化农业装备学报（中英文）, 2025, 6(1): 51-58.

ZHANG Xia, SU Panjie, ZHU Jingzhe, WANG Yiyang, HUANG Junwei. Optimization of coffee shell carbonization parameters based on BP neural network-genetic algorithm[J]. Journal of Intelligent Agricultural Mechanization, 2025, 6(1): 51-58.

图/表 8

图1 土壤柱淋溶装置

Figure 1 Soil column eluvial device

图2 BP神经网络工作流程图

Figure 2 BP neural network flow chart

图3 BP-GA工艺参数优化流程图

Figure 3 BP-GA parameters optimization flow chart

表1 生物炭制备试验设计方案

Table 1 Design test scheme for biochar preparation

处理	炭化时间/h	炭化温度/℃	炭化速率/ (℃·min^-1)	养分累计释放率/%
1	2	600	10	60.3
2	3	600	10	59.6
3	4	600	10	63.6
4	1	600	10	68.4
5	1	600	5	76.8
6	1	600	10	68.4
7	1	600	15	60.5
8	1	600	20	65.4
9	2	700	10	56.5
10	3	700	20	54.7
11	4	700	15	55.6
12	1	700	10	59.7
13	2	800	10	48.7
14	3	800	15	46.5
15	4	800	20	48.6
16	1	800	5	50.4
17	2	900	15	52.7
18	3	900	10	52.9
19	4	900	15	50.8
20	1	900	10	54.7

图4 训练集真实值与预测值回归图

Figure 4 Regression plot of actual and predicted values

图5 训练集试验数据与模型预测结果对比

Figure 5 Comparison of experimental data and model prediction results

图6 测试集试验数据与模型预测结果对比

Figure 6 Comparison of experimental data and model prediction results in the test set

图7 遗传算法迭代进化适应度图

Figure 7 Genetic algorithm iterative evolution fitness graph

参考文献 25

1	YANG J， WANG L Y， HU P D， et al. Economic dispatching of CCHP microgrid considering grid-connected revenue ［C］// 2019 4th International Conference on Intelligent Green Building and Smart Grid （IGBSG）. IEEE， 2019： 657-660.
2	李亮，周磊，郝建贺，等. 党的二十大背景下的农业现代化竞争力研究——以江苏南京为例［J］. 智能化农业装备学报（中英文）， 2023， 4（4）： 49-56.
	LI Liang， ZHOU Lei， HAO Jianhe， et al. Research on the competitiveness of agricultural modernization under the background of the 20th National Congress of the Communist Party of China：Taking Nanjing， Jiangsu as an example ［J］. Journal of Intelligent Agricultural Mechanization， 2023， 4（4）： 26-32.
3	王冉冉，李寒晓，齐凯，等. 基于“双碳目标”下养猪场多能互补系统设计与实现［J］. 智能化农业装备学报（中英文）， 2023， 4（4）： 26-32.
	WANG Ranran， LI Hanxiao， QI Kai， et al. Design and implementation of a multi energy complementary system for pig farms based on “dual carbon goals” ［J］. Journal of Intelligent Agricultural Mechanization， 2023， 4（4）： 26-32.
4	CHOMA J， DZIURA A， JAMIOLA D， et al. Preparation of mesoporous carbons with high specific surface area and large pore volume ［J］. Ochrona Srodowiska， 2012， 34： 3-7.
5	陈宏坤，徐广飞，高璐阳，等. 缓控释肥包膜材料的研究进展［J］. 磷肥与复肥， 2016， 31（12）： 19-21.
	CHEN Hongkun， XU Guangfei， GAO Luyang， et al. Research advances of coated material of slowly controlled release fertilizer ［J］. Phosphate ＆ Compound Fertilizer， 2016， 31（12）： 19-21.
6	LI R， WANG J J， GASTON L A， et al. An overview of carbothermal synthesis of metal-biochar composites for the removal of oxyanion contaminants from aqueous solution ［J］. Carbon， 2018， 129： 674-687.
7	SHEN X， ZENG J， ZHANG D， et al. Effect of pyrolysis temperature on characteristics， chemical speciation and environmental risk of Cr， Mn， Cu， and Zn in biochars derived from pig manure ［J］. Science of the Total Environment， 2020， 704： 135283.
8	LUO L， WANG G， SHI G， et al. The characterization of biochars derived from rice straw and swine manure， and their potential and risk in N and P removal from water ［J］. Journal of Environmental Management， 2019， 245： 1-7.
9	ZHOU Y， LIU X， XIANG Y， et al. Modification of biochar derived from sawdust and its application in removal of tetracycline and copper from aqueous solution： Adsorption mechanism and modelling ［J］. Bioresource Technology， 2017， 245： 266-273.
10	TIAN R， LI C， XIE S， et al. Preparation of biochar via pyrolysis at laboratory and pilot scales to remove antibiotics and immobilize heavy metals in livestock feces ［J］. Journal of Soils and Sediments， 2019， 19： 2891-2902.
11	UCHIMIYA M， WARTELLE L H， KLASSON K T， et al. Influence of pyrolysis temperature on biochar property and function as a heavy metal sorbent in soil ［J］. Journal of agricultural and Food Chemistry， 2011， 59（6）： 2501-2510.
12	沈秀丽，柳思远，沈玉君，等. 不同粒径生物炭包膜尿素缓释肥性能及缓释效果［J］. 农业工程学报， 2020， 36（15）： 159-166.
	SHEN Xiuli， LIU Siyuan， SHEN Yujun， et al. Property and slow-release effect of coated urea with different particle-size biochar ［J］. Transactions of the Chinese Society of Agricultural Engineering， 2020， 36（15）： 159-166.
13	何红艳，李贵平，王文丹，等. 酶促脱胶对咖啡品质影响研究［J］. 农产品加工， 2019（2）： 37-40.
	HE Hongyan， LI Guiping， WANG Wendan， et al. Effect of enzymatic degumming on coffee quality ［J］. Farm Products Processing， 2019（2）： 37-40.
14	何红艳，程金焕，王情雄，等. 高效咖啡干豆脱壳机的应用研究［J］. 农产品加工， 2020（7）： 79-80.
	HE Hongyan， CHENG Jinhuan， WANG Qingxiong， et al. Study on the application of high efficiency coffee sheller ［J］. Farm Products Processing， 2020（7）： 79-80.
15	夏恩琴，杜华，何敏君，等. 无糖桑叶提取物咖啡的配方设计研究［J］. 农产品加工， 2019（13）： 5-8.
	XIA Enqin， DU Hua， HE Minjun， et al. Formulation design of sugar-free coffee with Morus alba leaves extract ［J］. Farm Products Processing， 2019（13）： 5-8.
16	CHEN B， ZHOU D， ZHU L. Transitional adsorption and partition of nonpolar and polar aromatic contaminants by biochars of pine needles with different pyrolytic temperatures ［J］. Environmental Science & Technology， 2008， 42（14）： 5137-5143.
17	ZHAO B， O'CONNOR D， ZHANG J， et al. Effect of pyrolysis temperature， heating rate， and residence time on rapeseed stem derived biochar ［J］. Journal of Cleaner Production， 2018， 174： 977-987.
18	WILLIAMS P T， BESLER S. The influence of temperature and heating rate on the slow pyrolysis of biomass ［J］. Renewable Energy， 1996， 7（3）： 233-250.
19	王鹏军，陈永生，孙冬霞，等. 基于BP神经网络算法的固体有机肥撒施装置控制系统设计［J］. 智能化农业装备学报（中英文）， 2021， 2（1）： 13-19.
	WANG Pengjun， CHEN Yongsheng， SUN Dongxia， et al. Design of control system of solid organic fertilizer spreading device based on BP neural network algorithm ［J］. Journal of Intelligent Agricultural Mechanization （in Chinese and English）， 2021， 2（1）： 13-19.
20	王汝鹏. 基于机器学习技术的生物炭催化剂的定向合成设计［D］. 哈尔滨：哈尔滨工业大学， 2022.
	WANG Rupeng. Machine learning informed rational design for biochar catalysts ［D］. Harbin： Harbin Institute of Technology， 2022.
21	余强，李雪妍，潘信佳，等. 基于改进遗传算法的电动拖拉机复合电源优化控制策略研究［J］. 智能化农业装备学报（中英文）， 2023， 4（3）： 14-23.
	YU Qiang， LI Xueyan， PAN Xinjia， et al. Research on the energy control optimized strategy of electric tractor composite power supply based on improved genetic algorithm ［J］. Journal of Intelligent Agricultural Mechanization， 2023， 4（3）： 14-23.
22	夏焕雄，李康，高丰，等. 基于凝固前沿演变特征的熔铸装药成型工艺参数智能优化［J］. 兵工学报， 2024， 45（9）： 2936-2950.
	XIA Huanxiong， LI Kang， GAO Feng， et al. Intelligent optimization for forming quality of melt-cast explosives based on the evolution characteristics of solidification front ［J］. Acta Armamentarii， 2024， 45（9）： 2936-2950.
23	XIANG A， QI R， WANG M， et al. Study on the infiltration mechanism of molten urea and biochar for a novel fertilizer preparation ［J］. Industrial crops and products， 2020， 153： 112558.
24	吕娟，任永志，王明峰，等. 淀粉胶生物质炭基氮肥制备及其缓释特性分析［J］. 农机化研究， 2019， 41（6）： 175-180.
	Juan LÜ， REN Yongzhi， WANG Mingfeng， et al. Biochar based nitrogen fertilizer preparation with starch as adhesive and its release property analysis ［J］. Journal of Agricultural Mechanization Research， 2019， 41（6）： 175-180.
25	HOLLAND J H. Adaptation in natural and artificial systems ［M］. Ann Arbor： The University of Michigan Press， 1975.

[1]	余强, 李雪妍, 潘信佳, 何雄林, 范文涛, 王芳, 王玉. 基于改进遗传算法的电动拖拉机复合电源优化控制策略研究[J]. 智能化农业装备学报（中英文）, 2023, 4(3): 14-23.
[2]	王星辰, 潘伟, 周立春, 侯英勇, Petr Bartos, 肖茂华. 基于CS-BP神经网络的巡检机器人位移补偿方法研究[J]. 智能化农业装备学报（中英文）, 2022, 3(2): 53-63.
[3]	王鹏军, 陈永生, 孙冬霞, 吴爱兵, 郝延杰, 陈明江. 基于BP神经网络算法的固体有机肥撒施装置控制系统设计^*[J]. 智能化农业装备学报（中英文）, 2021, 2(1): 13-19.
[4]	毛婷婷, 董淑娴, 薛金林. 农业机器人车辆人机协作控制的动态功能分配研究^*[J]. 智能化农业装备学报（中英文）, 2020, 1(1): 24-31.

基于BP神经网络—遗传算法的咖啡壳炭化工艺参数优化

Optimization of coffee shell carbonization parameters based on BP neural network-genetic algorithm

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 25

相关文章 4

编辑推荐

Metrics

本文评价