Evolutionary Prediction of Biohydrogen Production by Dark Fermentation
Notice bibliographique
Résumé
The present work is a study of the performance and effect of operational parameters on biohydrogen production from palm oil mill effluent by dark fermentation in batch mode. The process parameters examined are pH (5, 5.5, and 6), temperature (30, 35, and 40 °C), substrate concentration (5000, 12 500, and 20 000 mg L −1 ) and inoculum volume (20, 25, and 30 mL). The inoculum concentration prepared was 10 000 mg L −1 volatile suspended solids. The experiments were designed by response surface methodology (RSM). The highest chemical oxygen demand (COD) removal, hydrogen percentage (H 2 %) and hydrogen yield (HY) obtained were 58.3%, 80%, and 4.83 mol H 2 /mole of COD consumed, respectively. Based on the experimental data obtained with the RSM design, gene expression programming (GEP) was developed to predict the COD removal, hydrogen production, and hydrogen yield as process responses. The projected models were assessed based on the correlation coefficient ( R 2 ), root mean square error, mean absolute relative error, scatter index, and BIAS. The results demonstrate that the GEP model outperformed the RSM model and was superior in predicting the response variables. Partial derivative sensitivity analysis was also employed to assess the effect of each variable on COD%, H 2 %, and HY prediction. The prediction uncertainty for COD%, H 2 %, and HY was quantified, and the results were ±0.11, ±0.17, and 0.015, respectively. According to the results, the GEP model is more efficient than the RSM model in predicting the experimental data for biological hydrogen production in the dark fermentation process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».