劉軼鋆，黃晶晶，黃濤，胡晨暉，張詩華，王詩生，劉玲，盛廣宏

(1.安徽工業(yè)大學能源與環(huán)境學院，馬鞍山 243002；2.Institute for Sanitary Engineering, Water Quality and Solid Waste Management, University of Stuttgart, Stuttgart 70569；3.西南交通大學地球科學與環(huán)境工程學院，成都 611756; 4.安徽工業(yè)大學建筑工程學院，馬鞍山 243002)

麥秸和畜禽糞便是厭氧發(fā)酵產沼氣最常用的底物之一，在農村分布式能源體系建設中具有重要的作用[1-2]。分布式新能源系統(tǒng)中，相對于其他形式的新能源(如太陽能、風能等)，沼氣生物質能具有易于實現人為控制的獨特優(yōu)勢，當其他能源無法滿足電力需求時，通過對發(fā)酵反應進程控制可以實現需求導向的沼氣生產：即在有能源需求時即時定量產沼氣，從而實現實際沼氣輸出曲線與即時的沼氣需求曲線盡量貼合[3]。若通過調控秸稈-禽糞協(xié)同厭氧發(fā)酵體系可以實現按需產氣，則可大大提升沼氣利用效率，輔助“多能互補型分布式新能源系統(tǒng)”的實施與推廣。

Hahn等[3]于2014年提出“需求導向產沼氣”技術概念后，中外學者已從多方面開展研究探索厭氧發(fā)酵體系實現按需產氣的具體途徑，主要有：投加易降解的調節(jié)型底物、定時定量投料和改變發(fā)酵工藝等[4-6]。Mauky等[7]基于底物的降解動力學參數選擇調節(jié)型基質并驗證了該方法實現按需產氣的可行性；Ahmed等[8]進一步發(fā)現采用甜菜青貯等富含水溶性碳水化合物的底物添加到發(fā)酵系統(tǒng)后能夠迅速增加沼氣產量，原因是其可以被快速分解產生揮發(fā)性有機酸(VFA)，最終縮短產甲烷延滯期；畢升閣等[9]研究發(fā)現，添加10%木薯酒糟進行黃貯能顯著提高玉米秸稈發(fā)酵的產氣率。但是投加特定調節(jié)型基質的控制方法易受基質可得性、成分不穩(wěn)定性以及成本等方面的制約[10]。近年來，研究廣泛關注于通過采用合適的模型控制手段，調配底物投料時間及其質量流量(或體積流量)，以便在沼氣需求時段控制沼氣產率從而實現按需產氣[11-12]。Nghiem等[12]首次采用調控剩余污泥和粗甘油進料的手段實現了按需產氣，但其同時指出這類方法成敗主要取決于投料底物的產甲烷延滯期；Lafratta等[13]研究了采用濕熱水解做預處理后的剩余污泥；張念瑞等[14]研究了餐廚垃圾和剩余污泥協(xié)同；Saracevic等[5]采用高脂餐廚垃圾和農業(yè)廢棄物殘渣作共發(fā)酵底物。上述研究都證明了采用特定底物改變投料方式可以實現按需產氣。對于以作物秸稈和畜禽糞便為典型代表的農業(yè)廢棄物是否可以通過改變投料方式實現產沼氣按需產氣，中外尚無研究公開報道。

根據Ahmed等[8]的研究結論，富含水溶性碳水化合物的生物質物料適宜作為實現即時產氣的投料底物；而在作物秸稈中，麥秸(包括小麥、大麥和燕麥等)的水溶性碳水化合物相較于其他類型秸稈最高，為24.2%(其次為高粱秸稈，18%)，因而麥秸也具有作為實現按需產氣的調節(jié)型底物的潛力[8,15]。根據2018年《中國統(tǒng)計年鑒》數據，麥秸在中國主要農作物秸稈中占比15.69%，并且在中國北方地區(qū)為數量分布最多的秸稈類別，因而原料具有較高的可獲得性[16]。采用畜禽糞便可以平衡麥秸作為發(fā)酵底物時的C/N比和營養(yǎng)元素，增強厭氧發(fā)酵體系的傳質效率和反應活性。因此，通常采用麥秸同畜禽糞便協(xié)同的方法進行發(fā)酵[17]。為此，開展實驗分析麥秸和禽糞協(xié)同厭氧發(fā)酵體系按需產氣的可行性，通過沼氣產氣對底物脈沖式進料的響應以及發(fā)酵體穩(wěn)定性變化表征協(xié)同發(fā)酵體系按需產氣潛勢?？紤]到通過進料控制實現按需產沼氣成功的關鍵在于能夠準確預測沼氣產出隨脈沖式投料的響應[18]，采用數據驅動的黑箱模型融入微生物動力學的產氣量預測模型建模思路，構建了修正的Gompertz-BP(back propagation)神經網絡混合模型，實現脈沖式進料模式下的按需產氣參數的模型預測，以期能為生物質能利用效率的提升和農業(yè)廢棄物資源化的優(yōu)化管理提供一定的理論依據。

1 材料與方法

1.1 實驗材料

所研究的厭氧發(fā)酵底物采用畜禽糞便和以麥秸為主的秸稈廢棄混合物。其中，麥秸中小麥秸稈占72.7%，大麥秸稈為26.8%，燕麥秸稈為0.24%，其他類別0.48%。收集的麥秸首先在105 ℃下干燥24 h，然后粉碎至10目。經測定，麥秸的總固體含量(TS)為85%，揮發(fā)性固體含量(VS)為87%。與麥秸協(xié)同發(fā)酵的禽糞取自某畜禽糞便集中處理站，取得的物料為豬糞和牛糞的混合漿液，該站接收的豬糞與牛糞質量比約為2∶1，經測定，禽糞混合液的含水率約為98%，TS為1.8%，VS為64%。

1.2 實驗裝置

采用250 L連續(xù)攪拌反應器(continuous stirred-tank reactor, CSTR)進行厭氧發(fā)酵實驗，在中溫 35 ℃ 運行，略微加壓至約1 000 Pa。反應器內的液體工作容積約210 L，水力停留時間約21 d。產生的沼氣在反應器的頂部被收集，導入氣體成分分析儀(Blue Sens Gas Sensor GmbH, Germany)中，測量氣體中的甲烷(CH4)和二氧化碳(CO2)含量，每 10 min 記錄一次沼氣產量數據，其值視為沼氣產氣速率。

1.3 實驗設計

本實驗主要目的為禽糞與麥秸協(xié)同發(fā)酵體系實現按需產氣的技術可行性，實驗中底物模擬脈沖式進料，進料的控制參數選取每日進料有機負荷(OLRin)、投料的頻率和時間間隔。進料后，從沼氣產氣對投料的響應以及厭氧發(fā)酵體系穩(wěn)定性兩個維度出發(fā)，進一步定量化分析體系的按需產氣可行性。其中，脈沖式進料的OLRin參數設定為1.5、3、6 kgVS/m3/d 三個層級，各OLRin投料組內分別設置每日一次和每日兩次的投料頻率，每日兩次投料情景下再設6 h和10 h兩種投料時間間隔，麥秸和禽糞進料量按設計有機負荷進行計算，同時保證進料基質C/N在合理區(qū)間(15～30)∶1范圍，結果如表1所示。每輪實驗的持續(xù)時間均為一周，在進入各不同有機負荷實驗組實驗之前，會設置時長3周(1個水力停留時間21 d)的馴化期，主要目的是為使發(fā)酵罐內的微生物適應當前的投料環(huán)境。

表1 脈沖式進料模式下發(fā)酵體系按需產氣實驗方案

沼氣產氣對投料的響應參數主要分析沼氣的產量和性質(主要是沼氣日容積產氣率和甲烷含量)、沼氣產氣速率峰值出現時間Tpeak、半日產氣量Qh和每日50%產氣量所用的時間T50。其中，根據 Mauky 等[17]的研究，T50可以表征沼氣產生量對于投料的響應速率，是按需產氣模式中的主要控制變量和調節(jié)型底物的篩選標準之一。而Qh表示投料后12 h內發(fā)酵系統(tǒng)的產氣量，按需產氣模式下采用脈沖式投料就是為了控制厭氧發(fā)酵反應以使產氣峰值快速向用電需求峰值集中，從而滿足用電峰值期沼氣需求，因此該參數可以表征底物用于按需產氣的潛勢[17]。

與此同時，為評估厭氧發(fā)酵過程系統(tǒng)的穩(wěn)定性，選擇發(fā)酵液pH、揮發(fā)性固體與總固體之比(VS/TS)、氨氮以及揮發(fā)性脂肪酸(volatile fatty acid, VFA)含量變化作為典型過程參數進行分析。

基于實驗結果，采取修正的Gompertz-BP神經網絡混合模型預測脈沖式進料模式下的按需產氣參數。Gompertz模型已被應用于預測序批式進料模式下的累積沼氣產量，但是在按需產氣的脈沖式進料過程中，當某次進料的底物未能在下次進料前被完全降解時，其會累積在發(fā)酵液中，并在下次進料后仍繼續(xù)發(fā)酵，導致后次進料的沼氣產量偏高[18]。為了去除前次進料殘余對后批進料的沼氣和甲烷產量的影響，從而獲得某期進料的實際沼氣和甲烷產量，構建經典Gompertz模型的修正模型。首先計算單次投料時該周期內的累積沼氣產量，計算公式為

(1)

P0=MVSνbiogas

(2)

式中：P為沼氣在t時刻的累積產氣量，mL；P0為某階段的最大產沼氣潛能，mL，該值通常根據21 d內的累積沼氣產量進行擬合得到，但是本實驗中的進料為脈沖式模式，無法對整個周期內數據進行擬合，因此該值通過單位VS的理論產氣量進行計算；Rmax為最大產沼氣速率，mL/h；t0為產氣遲滯期，h；e為自然對數；MVS為進料底物包含的VS量；νbiogas為單位VS的沼氣產量。

由于研究關注的脈沖式進料下，厭氧發(fā)酵體系是一個多輸入、多輸出的復雜非線性系統(tǒng)，難以在進料參數發(fā)生變化時實現按需產氣參數的實時預測。神經網絡模型可通過黑箱建模方式實現多變量間的非線性映射，但其屬于數據驅動型模型，單獨使用的預測準確性不如機理型模型[19]。因此，結合Gompertz產氣模型和神經網絡模型的優(yōu)勢，以期實現對不同進料控制參數變化情景下沼氣產氣及重要參數進行準確預測。

所構建的神經網絡模型結構如圖1所示，假設在某進料周期內，當次投料為第n次進料，進料有機負荷為OLRt，距離首次進料的時間為T0，距離最近的上次進料的時間為T，上期進料負荷為OLRt-1；采用修正Gompertz方程預測的脈沖式進料模式下當次進料的產沼氣響應PG。基于此，人工神經網絡模型的輸入參數依據脈沖式進料的特征設置為OLRt、OLRt-1、T、n和PG。模型的輸出參數設置為沼氣產量BP、T50、Qh以及沼氣中的甲烷組成占比MC，以預測發(fā)酵體系按需產氣性能參數的動態(tài)變化。

圖1 人工神經網絡模型

1.4 分析方法

pH的測定使用SCHOTT GERATE公司的CG819系列pH計。總固體(TS)和揮發(fā)性固體(VS)的測定按照《德國標準化學會生物質總固體計算方法》(DIN EN 15934)和《德國標準化學會固廢灼燒減重的計算標準》(DIN 15935)的標準進行。氨氮與揮發(fā)性脂肪酸(volatile fatty acid, VFA)的含量分別通過文獻[20]的方法與《水和廢水監(jiān)測分析方法》[21]提供的滴定法進行測定。pH、TS和VS各實驗期內每日進行測定，氨氮和VFA每實驗周期內測定一次。各參數測定過程中，每次同時從發(fā)酵液中取3個平行樣進行測試以減少可能的測量誤差。

修正Gompertz模型的主要參數(Rmax和t0)通過SPSS軟件對底物進料周期第一天(可以認為各周期內第一天不存在前期未分解底物產生的沼氣產氣)的沼氣產氣曲線進行擬合分析得到。抽取25組實驗組作為模型的訓練組數據，其余的作為驗證組對模型的預測準確性進行驗證。設定 BP 人工神經網絡訓練循環(huán)次數參數為 5 000 步，訓練誤差目標參數為0.000 01，學習率參數為0.1。

2 結果與討論

2.1 按需產氣投料模式下沼氣產氣響應分析

低進料負荷1.5 kgVS/m3/d情景下沼氣的產量與甲烷(CH4)含量如圖2所示，在10 h時間間隔下，沼氣產氣速率快速到達峰值，這表明該情景下進料底物可快速降解，不存在明顯的產氣延滯期，并且甲烷含量穩(wěn)定在約50%，產甲烷過程未受到明顯抑制。當進料時間間隔減小到6 h后，或改為進料頻次改為每日一次后，沼氣的變化規(guī)律大致同上，但是甲烷含量開始出現一定的波動，但總體維持在約50%，仍適合于后續(xù)的發(fā)電及利用。

圖2 低進料負荷情景下沼氣產量和質量變化

相對于低負荷的進料情景，增加進料頻率至中負荷(3 kgVS/m3/d)時，10 h投料時間間隔情景下，甲烷含量仍可維持在約50%，但時間間隔降至 6 h 后，甲烷含量開始下降且波動加劇；當進料負荷進一步增大至6 kgVS/m3/d時，10 h時間間隔下沼氣的產氣延滯期明顯延長，甲烷含量降至約40%，并伴隨著劇烈的波動，如圖3所示。

圖3 中等進料負荷減小進料時間間隔時沼氣產量和質量變化

在高進料負荷下(圖4)，進一步減小進料的時間間隔，可以觀察到6 h時間間隔和一次性進料情景下，甲烷含量的波動更為明顯且跌破30%，沼氣中的主要氣體為CO2，發(fā)酵體系在進料期主要處于產酸階段。綜上，增大進料負荷對沼氣產氣延滯期的影響較為明顯，體系在進料OLR為低進料負荷(1.5 kgVS/m3/d)以及OLR為3 kgVS/m3/d、10 h進料時間間隔下可實現按需產氣，但進一步縮小時間間隔或降低進料頻率后，體系的產甲烷過程受到嚴重的抑制，此時不再適合于按需產氣。

圖4 中等進料負荷減小進料時間間隔時沼氣產量和質量變化

沼氣產氣對投料的響應參數核算結果如圖5所示，分別統(tǒng)計了各投料有機負荷周期內投料后產氣的T50和Qh，結果表明在較高的有機負荷 6 kgVS/m3/d 下，T50相對較長，這表明當有機負荷較高時，系統(tǒng)沼氣產氣響應較為緩慢。高進料OLR情景的Qh值最低，表明相對于其他兩組，高進料OLRin下沼氣產量會略微向后半程集中，這說明由于投料后會產生一定程度的中間產物抑制，導致前期產甲烷菌活性受阻，待中間產物被逐步消納之后，產氣開始恢復。采用的麥秸和禽糞共發(fā)酵時，T50和Qh的結果同Liu等[22]利用剩余污泥和餐廚垃圾作為底物進行對比，其在進料OLR為2.0 kgVS/m3/d時，T50為(504±16)min，Qh為0.63±0.03，與研究所得的T50、Qh計算結果較為接近，這說明禽糞與麥秸作為協(xié)同厭氧發(fā)酵底物時，與已被驗證具有較高按需產氣潛勢的底物潛力值基本相當。

圖5 不同進料OLRs情景下T50和Qh參數的變化

2.2 厭氧發(fā)酵反應體系的穩(wěn)定性分析

厭氧發(fā)酵體系穩(wěn)定性參數的核算結果如圖6所示：整個進料期內的pH可穩(wěn)定在6.5～7.5，表明發(fā)酵系統(tǒng)沒有出現酸化，運行較為穩(wěn)定；VS/TS的值隨著進料OLR增大呈現逐漸增加的趨勢，這表明在高進料OLR下發(fā)酵罐內未降解的底物逐漸出現累積，結合沼氣產氣延滯期和甲烷含量在高OLR情景下的變化趨勢可得出AD體系在高進料OLR時會出現一定的“過載”，導致有機酸等中間產物產生累積。

圖6 厭氧發(fā)酵體系穩(wěn)定性參數變化分析

進一步對發(fā)酵體系中的VFA與氨氮濃度測定，結果如圖6所示。高進料OLR情景下VFA的濃度會顯著上升，驗證了高OLR下體系會出現有機酸的累積，這與Li等[23]的研究結論一致，其采用稻秸和牛糞作為進料底物，當進料有機負荷大于 6 kgVS/m3/d 時系統(tǒng)開始出現丙酸的累積，這是導致沼氣產氣延滯期延長的主要因素，這是由于丙酸的降解速率顯著慢于乙酸，且丙酸的降解反應具有顯著的熱力學限制[14]。

3H2+2CO2, ΔG0=+76.1 kJ/mol。

氨氮的濃度(圖6)隨著沖擊負荷的增加(主要體現在進料OLR增加、進料頻次降低以及進料間隔縮短)呈現降低的趨勢。該過程中，雖然VFA濃度增加，但pH可穩(wěn)定在7.3～7.4，說明除卻氨氮之外，發(fā)酵系統(tǒng)依然存有一定量的堿度，這可能是由于禽糞作為投料基底具有較強的緩沖性能，可以有效緩解體系中VFA的累積。

氨氮的來源主要是底物中的氨基酸、蛋白質、甲胺和其他含氮有機物的水解釋放；研究投料底物中的氮源主要是禽糞，逐步提高OLR的過程中禽糞總投加量不變，而發(fā)酵液中氨氮濃度降低，說明該過程中水解反應的效率在逐步降低。實驗提高OLR是通過逐步提高麥秸的投加量實現的，該變化也間接證明了麥秸進料增加后，木質纖維素的水解效率下降。VS/TS的測定結果也可證明，隨著沖擊負荷增大，發(fā)酵體系中增加的未降解底物正是木質纖維素。曹杰等[24]的研究可以進一步佐證這一觀點，其采用打捆麥秸為固定相、豬場廢水為流動相的半連續(xù)式發(fā)酵，發(fā)酵后麥秸干物質損失率、纖維素和半纖維素分解率均與豬場廢水容積負荷成反比，紅外光譜分析的結果與之一致，這些都證明了纖維素、半纖維素和木質素的水解速率是限制禽糞和麥秸共發(fā)酵體系抗沖擊性能的主要因素。

2.3 改進的Gompertz動力學模型擬合效果驗證

利用改進Gompertz方程對沼氣產氣曲線的擬合結果如表2所示，各進料控制參數組的模型擬合度R2均大于0.90，證明了改進Gompertz模型對單次投料后的沼氣累積產氣量具有良好的預測效果。

表2 改進Gompertz模型對沼氣產氣曲線的參數擬合分析

2.4 秸稈-禽糞共發(fā)酵體系按需產氣性能的神經網絡預測

經過訓練后的神經網絡模型針對實驗中的輸入參數，其輸出結果與目標值之間的擬合度均大于0.99，表明神經網絡模型非常適合于對不同脈沖式進料控制參數下的按需產氣性能參數進行擬合。

利用改進Gompertz-神經網絡預測模型對測試組樣本的預測結果如圖7所示。采用可衡量觀測值同真值之間偏差程度的相對均方根誤差(relative root mean square error, RRMSE)表征模型對按需產氣性能參數的預測準確性，見式(3)。

圖7 神經網絡模型對按需產氣性能參數的預測結果

(3)

式(3)中，Nw為數據個數；Mi為實驗值；Ci為模型預測值。

當RRMSE=0時，表示模擬值與實測值完全吻合；RRMSE<10% 時，表示模擬值與實測值的一致性很好；10%～20%表示比較好；RRMSE為20%～30%表示模擬效果一般[25]。經計算，輸出參數MC、Qh、BP與T50的RRMSE分別為0.058 4、0.145 5、0.039 4和0.262 8。由此可見，改進Gompertz-神經網絡模型對甲烷含量MC和沼氣產量BP具有很好的預測效果，對半日產氣量Qh的預測效果比較好，對達到50%日產氣量的時間T50預測效果一般；上述四組輸出參數的預測效果均在可接受范圍內，因此可認為所構建的改進Gompertz-神經網絡預測模型可有效用于按需產氣控制過程的發(fā)酵體系按需產氣性能參數預測分析。

3 討論

在高沖擊負荷情景下，禽糞和麥秸協(xié)同發(fā)酵體系會出現纖維素、半纖維素和木質素水解效率下降的情況，進而導致后續(xù)產沼氣延滯期的延長，這主要是由于麥秸和禽糞底物的結構致密且木質素、纖維素和半纖維素含量較高，在厭氧發(fā)酵過程中很難被微生物和降解酶發(fā)酵利用；此外，水解反應需重新合成必需的酶類、輔酶和中間代謝產物，微生物需要適應新的環(huán)境而出現生長延滯期的升高[26-27]。因此，有必要引入輔助手段調控禽糞-麥秸協(xié)同厭氧發(fā)酵反應，以輔助促進纖維素等底物在高沖擊負荷下的降解效率。為此，提出如下方法。

3.1 對底物采取適當的預處理

可采取物理、化學與生物處理法，降低木質纖維素的酶解抗性和纖維素的結晶度，釋放更多易被利用的小分子有機物[28]。相較于其他方法，生物預處理(如芽孢桿菌屬、木霉屬以及白腐真菌等對底物預處理)可以在破壞底物木質纖維素結構屏障的同時，保持反應條件的溫和性、環(huán)境友好性，且不會產生抑制酶解和發(fā)酵的副產物，因此具有實際應用潛力[29]。

3.2 外源添加酶或微量元素

黃婧等[30]的研究表明，向豬糞厭氧發(fā)酵體系外源添加纖維素酶和α-淀粉酶能促進纖維素及半纖維素的降解，體系中多糖、總揮發(fā)性脂肪酸的濃度峰值、累積沼氣產氣量和甲烷產率均能顯著提升。除外源添加酶以外，添加厭氧反應體系所必需的微量元素亦可有效提升參與反應的酶活，最終促進沼氣產率的提升，如Fe和Ni可以顯著提高β-葡萄糖苷酶等纖維素酶的活性進而促進纖維素水解[31]；Fe、Ni 參與構成CO脫氫酶，脫氫酶是一類催化物質氧化還原反應的酶，在第二階段產乙酸過程中起重要作用[32]；其次，Fe與Ni也是產甲烷菌新陳代謝中輔酶因子的基本反應所需的主要元素[33]。

3.3 沼液回流

基于禽糞和麥秸協(xié)同發(fā)酵體系含固率較高、固體停留時間較短的問題，采取沼液回流方法可以加強底物、微生物與水分間的相互接觸和作用，提高系統(tǒng)緩沖能力和產氣量，提高傳質效率和微生物的繁殖速率、避免酸積累[34]。因此建議可采用新鮮沼液作為“觸發(fā)劑”，通過高沼氣需求時段即時噴淋回流沼液進入發(fā)酵體系的方式，實現按需產氣。

在高沖擊負荷下，禽糞-秸稈協(xié)同發(fā)酵體系實現按需產氣的另一個關鍵是克服中間產物VFA的累積。從機理上說，VFA的降解是通過種間氫轉移方式實現種間電子傳遞(interspecies hydrogen transfer, IHT)，但是該過程只有在較低的氫分壓下才能發(fā)生，具有一定的熱力學限制[35]。自2010年Summers等[36]發(fā)現了種間直接電子傳遞機制(direct interspecies electron transfer，DIET)以來，研究已證明其能夠克服種間氫電子轉移的熱力學限制，從而提高種間電子傳遞效率，加速VFA 降解產甲烷的過程。通過外源添加導電物質(如碳材料、鐵材料等)，能夠促進互營產甲烷過程的 DIET 已被現有研究證實，添加導電材料可替代細胞色素C進行電子傳遞，促進部分產電細菌(主要是Geobacter、Shewanella和Petrimonas等)和產甲烷古菌(Methanothrix、Methanosarcina)之間建立DIET，形成高效的電子傳遞通道，增強微生物間的協(xié)同代謝，維持厭氧反應器在高OLR下的穩(wěn)定運行[37]。

厭氧發(fā)酵靈活產沼氣的關鍵是能實現反應過程的可控和可預測，但是該過程是一個具有典型非線性、時變、大滯后、有隨機干擾的不穩(wěn)定系統(tǒng)，難以建立完善的機理模型相對精確地描述反應的過程[38]。采用了改進的黑箱數學模型，但是其預測的準確性和精確性依賴于前期運行數據，因此該模型的適用情景和參數敏感性尚存在不確定性。進一步研究可針對發(fā)酵體系微生物群落結構及其對沖擊負荷的動態(tài)響應規(guī)律進行分析，從微生物生長代謝機理的角度出發(fā)構建一般性的數學模型。

4 結論

(1)1.5 kgVS/m3/d進料負荷下，2次/d頻率、10 h時間間隔時沼氣產氣響應較快；當減小進料頻率和時間間隔時，沼氣產氣延滯期和甲烷含量波動程度均提高但幅度不大，表明此時協(xié)同發(fā)酵系統(tǒng)適于實施按需產氣。

(2)當進一步增大進料負荷增大至3 kgVS/m3/d時，在高頻次和長進料時間間隔下對系統(tǒng)的擾動尚在可接受范圍內，但當進料負荷增至6 kgVS/m3/d時，沼氣中甲烷含量跌至約30%，此時有機質的水解效率下降，產甲烷路徑受阻。結果表明麥秸-禽糞作為投料底物實現按需產氣過程對高沖擊負荷較為敏感。

(3)基于實驗結果和厭氧反應動力學模型，構建了修正的Gompertz-BP神經網絡混合模型，用以脈沖式進料模式下的沼氣產氣預測，經驗證該模型預測的準確性高，誤差小，可以作為輔助厭氧發(fā)酵靈活控制技術的有效模型工具。