木质纤维素原料的预处理过程是生产生物质能源和化学品的重要环节,因其过高的成本是制约木质纤维素原料转化为工业化生产的关键技术问题。近年来,研究者对生物质原料预处理的方法、相关机理和经济性的评价等做了大量研究工作。其中,碱法预处理是一种研究较广泛、预处理效果较好且具有很好发展前景的一种预处理方法。然而,生物质预处理系统是由众多变量相互组成并相互影响的一个复杂系统(简言之就是一个变量的变化会导致别的变量的也随之变化),其中重要因素之间的关联性和相互作用的原理还尚未明确。因此,本论文针对过氧化氢辅助的碳酸钠预处理系统,这一特定的预处理系统,利用多变量分析法(主成分分析法和偏最小二乘法)对该系统中重要过程因素的相互关系进行研究,揭示和量化了主要过程因素对预处理效果的综合影响和相互作用机理,在此基础上利用所建立的模型实现了对碱法预处理系统工艺过程的优化和预处理后效果的快速评价。本论文主要研究内容如下:首先,以过氧化氢辅助碳酸钠预处理系统为研究对象,收集大量的数据,进而获得数据集。利用主成分分析法建立(PCA),在原料性质参数,预处理工艺参数,预处理后原料性质参数以及酶水解评价参数的基础上建立主成分分析模型。由主成分分析模型得知,主要过程参数变量对整个预处理系统的影响,其中以原料粒径大小、碳酸钠用量、机械磨浆以及酶水解评价参数对整个系统的影响最大。其次,在主成分分析的基础上,用偏最小二乘法建立起PLS-pretreatment模型。该模型是建立在以预处理后原料性质参数为因变量的基础之上。研究预处理原料性质参数,预处理工艺参数对预处理后原料性质参数的影响。由此,可以得到,碳酸钠用量和预处理温度对该模型的影响较大。原料粒径大小参数对预处理后原料性质也有积极的影响。然后,将酶水解评价参数设置为Y变量,其他参数设置为X变量,得到PLSenzymatic模型。研究发现,机械磨浆处理(PFI)参数,碳酸钠用量对最终酶水解糖得率有一定程度的促进作用。而预处理温度则对最终酶水解糖得率呈现负相关的作用。最后,利用偏最小二乘法得到的PLS-enzymatic模型对新收集的数据集进行酶水解糖化预测。从而在已知参数的条件下,实现对酶解糖化的预测。