Modelos de aprendizaje automático para la predicción de la solubilidad de hidrógeno en sistemas acuosos

Área de la Ciencia:

• Ciencias de la Tierra
• Ingeniería Química
• Ciencia de los datos

Sus antecedentes:

• El almacenamiento de hidrógeno es crucial para reducir las emisiones de CO2, especialmente en el sector del petróleo y el gas.
• La solubilidad de hidrógeno en acuíferos salinos presenta un desafío significativo para la eficiencia del almacenamiento y la estabilidad del depósito.
• Comprender la dinámica de disolución del hidrógeno es vital para optimizar las tecnologías de almacenamiento subterráneo.

Objetivo del estudio:

• Para predecir la solubilidad de hidrógeno en acuíferos salinos utilizando algoritmos de aprendizaje automático.
• Identificar los factores clave que influyen en la solubilidad del hidrógeno, incluida la presión, la temperatura y la salinidad.
• Evaluar el rendimiento de varios modelos de aprendizaje automático para esta tarea de predicción.

Principales métodos:

• Algoritmos de aprendizaje automático utilizados: inferencia bayesiana, regresión lineal, bosque aleatorio (RF), redes neuronales artificiales (ANN), máquinas vectoriales de soporte (SVM) y aumento de mínimos cuadrados (LSBoost).
• Modelos entrenados en datos experimentales y simulaciones numéricas que cubren una amplia gama de condiciones termodinámicas.
• Técnicas aplicadas para identificar relaciones no lineales entre la solubilidad y los parámetros que influyen.

Principales resultados:

• El modelo de bosque aleatorio (RF) demostró un rendimiento superior, logrando un R2 de 0,9810 para los datos de prueba y de 0,9915 para los datos de entrenamiento.
• Los valores de error cuadrado medio de raíz (RMSE) fueron bajos, con 0,048 para los datos de prueba y 0,032 para los datos de entrenamiento.
• Los modelos de aprendizaje automático predijeron con precisión la solubilidad de hidrógeno, que es altamente sensible a la presión, la temperatura y la salinidad.

Conclusiones:

• El aprendizaje automático ofrece un enfoque poderoso para predecir con precisión la solubilidad de hidrógeno en acuíferos salinos.
• El almacenamiento optimizado de hidrógeno y la gestión de los depósitos se pueden lograr a través de estas capacidades predictivas.
• Esta investigación apoya el avance del hidrógeno como portador de energía limpia y precursor industrial.