本技术聚焦于微藻生物固液分离技术,提出一种利用机器学习算法预测并优化微藻浮珠浮选采收效率的新方法。通过应用多款机器学习模型,对经过筛选的多维微藻数据进行分析,旨在提高采收效率并降低成本。
背景技术
微藻富含蛋白质、脂类、碳水化合物、色素等有价值的天然产物,是生产食品、生物燃料、化妆品和药品的重要生物质来源。此外,微藻在环境保护方面具有重要作用,其能够从废水中回收氮、磷等营养物质,有效缓解水体富营养化问题。作为光合自养生物的微藻能够利用太阳能进行光合作用,吸收二氧化碳,成为一种潜在的碳捕获与利用技术,具有应对气候变化的巨大潜力。
然而,微藻产业的一个主要瓶颈是生物质的收获过程,该过程通常占总生产成本的20%~30%。这一问题的产生,主要是由于微藻培养物的固有特性,包括浓度较低、细胞体积小、表面带负电荷及细胞密度接近水等。目前,浮珠浮选技术作为一种新兴的微藻收获方法,展示了其在微藻采收方面的潜力。该技术与传统的溶气浮选类似,但通过使用浮珠替代微气泡,显著减少了微气泡产生的能耗。
目前,研究发现微藻浮珠浮选采收效率通常收到多种因素综合影响,而对每个因素的个体贡献的强调有限。试验分析通常需要完善的生化平台,专业的技术人员,该过程是耗时且昂贵。此外,在单个实验中分析所有变量对采收效率的影响在时间、成本和可行性方面也是不切实际的。因此,很难通过试验手段在微藻浮珠浮选中对所有影响变量和采收效率之间建立可靠的联系,从而导致了在实践过程中针对目标微藻利用浮珠浮选筛选合适的操作条件实现高效微藻采收成为一大难题,阻碍了微藻浮珠浮选技术的发展。
实现思路