盐城工学院为第一单位，硕士殷万欣为第一作者，远野、丁成教授为通讯作者的研究论文《High-precision prediction of unionized hydrogen sulfide generation based on limited datasets and its impact on anaerobic digestion of sulfate-rich wastewater》在环境科学与生态学一区期刊《Journal of Cleaner Production》发表。该期刊2021年影响因子9.297，近5年影响因子6.861。本研究由国家自然科学基金（52170054）资助完成。

基于人工智能的数据驱动模型可以有效辅助决策抑制硫化氢生成以提升甲烷产量，然而传统的数据驱动模型由于模型结构和数据集小，无法准确模拟硫化物的生成及其形态分化过程。作者创新性得采用基于拉依达准则的数据增强方法来提升深度神经网络模型对厌氧消化过程中硫化氢产量的预测精度，有效揭示了虚拟数据及结构对模型拟合能力的作用机制及影响规律。该方法有效的缩短了厌氧消化中非线性生物化学处理过程的建模周期并提升了模型的预测鲁棒性，为人工智能辅助决策控制解决现实环境问题提供了合适的应用手段。