Koncepcja wykorzystania sztucznych sieci neuronowych do prognozowania zawartości metanu w substratach

Sztuczne sieci neuronowe wykorzystywane są z powodzeniem m.in. do analizy złożonych systemów empirycznych, w których część parametrów opisujących zachodzące zjawiska jest niemierzalna lub których precyzyjny pomiar jest trudny. W niniejszej publikacji zaprezentowano budowę i zasady działania sztucznych sieci neuronowych jako narzędzia do predykcji zawartości metanu w biogazie z bioodpadów rolniczych [3]. Prognozowanie zawartości biogazu odgrywa ważną rolę w opracowywaniu optymalnych modeli do zarządzania biogazownią. Z powodu różnorodności bazy surowcowej istotnym jest optymalne prognozowanie wydajności biogazowni. W związku z powyższym często z powodzeniem używa się modeli typu „czarna skrzynka”, które wymagają mniejszej liczby parametrów niż klasyczne modele konceptualne.

The artificial neural networks have been successfully used for analyzing of the complex systems, where some parameters describing the occurring phenomena are non-measurable or the precise measurement is very difficult. This publication presents the construction and functioning rules of the artificial neural networks as a tool for prediction of methane content in the biogas from agricultural bio-waste. Forecasting of the biogas content plays extremely important role in development of the optimal models for biogas plant management. Due to the resource base diversity the optimal prediction of biogas plant efficiency is very important. Therefore, the "black box" models which require less parameters than classic conceptual ones are very often successfully used.