近年来，随着中药企业规模的不断扩大，中药药渣的产生量急剧增加。传统处理方式如焚烧、堆置和填埋不仅造成严重的环境污染，还导致大量生物质资源的浪费。中药药渣富含粗蛋白、粗脂肪、纤维素、氨基酸、多糖、维生素及有机酸等多种生物活性成分，这些特性使其成为好氧堆肥的理想原料。因此，中药药渣的肥料化利用已成为实现其资源化高效利用的重要研究方向。在好氧堆肥过程中，工艺参数的优化是决定堆肥成败、效率及产品质量的关键因素。传统的正交试验方法虽然能够考察多因素影响，但难以揭示各因素与水平间复杂的非线性关系。

近日，我院石春芳教授团队和信息学院智能科学与技术团队合作在Bioresource Technology发表题为“Artificial neural network-genetic algorithm-based optimization of aerobic composting process parameters of Ganoderma lucidum residue ”的研究成果，采用正交试验-ANN-GA相结合的创新方法，实现灵芝渣好氧堆肥腐熟度预测及药渣堆肥工艺参数的智能优化。

研究团队以灵芝渣为研究对象，开展高温好氧堆肥研究，通过构建反向传播人工神经网络模型（BPNN）预测灵芝渣堆肥过程中腐殖酸含量的变化，采用遗传算法（GA）结合人工神经网络（BPNN）对灵芝渣的堆肥工艺参数进行优化，研究结果可为固体废弃物高温好氧堆肥腐熟度预测及堆肥工艺参数设计提供技术支持。该项研究得到了内蒙古科技计划项目（项目名称：中药渣肥料化及改良盐碱土壤关键技术研发与集成示范；项目编号：2020GG0071）的支持。