Development of ternary models for prediction of biogas yield in a novel modular biodigester: a case of fuzzy Mamdani model (FMM), artificial neural network (ANN), and response surface methodology (RSM)

Die Modelle Fuzzy Mamdani Model (FMM), Artificial Neural Network (ANN) und Response Surface Methodology (RSM) wurden zur Modellierung und Optimierung der Biogasproduktion auf verschiedenen Substraten aus Geflügelabfällen (PW) und Kuhdung in einem modularen Biofermentersystem verwendet. Das Gas, das bei einer Retentionszeit von 42 Tagen produziert wurde, lag im Bereich von 50 bis 52 ml / Tag. Der Temperaturbereich lag zwischen 20 und 40 ° C, während die pH-Werte im optimalen Bereich von 8,0 stabil waren. Die statistische Analyse des Versuchsergebnisses aus Methanausbeute unter Verwendung unterschiedlicher Berechnungstechniken ergab, dass das unscharfe Mamdani-Modell Null (0) Werte für die durchschnittliche absolute Abweichung (AAD), einen durchschnittlichen Fehler (MAE), einen Standardfehler der Vorhersage (SEP) und einen Wurzel-Mittel-Quadrat-Fehler (RMSE) und einen durchschnittlichen Koeffizienten der Bestimmung (R2) des Modells widerspiegelten. Das ANN-Ergebnis zeigte einen besseren AAD-Wert von 0,0000069, ein besseres Ergebnis der Methylmethan-SSE-150.0000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,0,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,000,, 0,000,000,000,, 0,000,000,, 0,000,000,000,000,000,000,000,00.