在能源短缺的今天,采用厌氧消化技术将目前各类生物质垃圾再生能源化,对保证我国能源供应可持续性具有重要的意义。随着信息技术的高速发展,积累的数据量急剧增长,如何从海量的数据中提取有用的知识成为当务之急,数据挖掘应运而生本文选择人工神经网络进行数据挖掘,分别以逐步提高有机负荷的半连续式餐厨垃圾和猪粪混合厌氧消化以及餐厨垃圾和垃圾渗滤液混合厌氧消化试验数据为基础,选择VFA、 pH、氨氮、有机负荷以及前日产气量作为反应过程的控制参数,并分别基于BP神经网络和模糊神经网络(FNN),对试验日产气量建立了预测模型。基于餐厨垃圾和猪粪混合厌氧消化试验的BP神经网络模型的平均预测准确率为79.87%,FNN模型的平均预测准确率为83.46%。基于餐厨垃圾和垃圾渗滤液混合厌氧消化试验的BP神经网络模型的平均预测准确率为81.92%,FNN模型的平均预测准确率为87.29%。对比所建立的两种模型的预测结果可知,BP神经网络和FNN都能用于混合厌氧消化系统模拟,以进行产气量预测。但试验过程的稳定性对BPNN模型预测的精确度影响较大,在不稳定阶段会导致预测准确率较低,相较而言,FNN模型预测准确度得到了较大提高,且模型训练所需时间更短,证明了把在神经网络中加入模糊控制可提高神经网络的准确率,更适用于混合厌氧消化产气量预测,能获得更满意的结果。