熱重量計分析は,数学的方法と人工ニューラルネットワークと統合され,バイオマス溶解の最適運動モデル化:レビュー

科学分野:

• 材料科学
• 化学工学
• 分析化学

背景:

• 熱重力測定法 (TGA) は,材料の熱安定性を評価するために不可欠です.
• バイオマスやポリマーなどの材料のTGAデータを解釈するために数学モデルが広く使用されています.
• 伝統的なモデルは 複雑な熱分解行動を捉えるのに 限界があります

研究 の 目的:

• 材料の熱安定性評価のためのTGAにおける数学モデルの役割を検討する.
• 異なるTGA運動モデルの有効性を比較する.
• TGAの運動予測における人工ニューラルネットワーク (ANN) の可能性を強調する.

主な方法:

• 熱重量分析のための数学的モデルに関する既存の文献のレビュー.
• TGA運動モデルのモデルフリーとモデルベースのアプローチの分類.
• 積分モデルとn番目の順序モデルを評価し,予測する.
• 先進的な予測ツールとしての人工ニューラルネットワーク (ANN) の導入

主要な成果:

• 統合モデルは,分解の幅が広い材料 (例えば,バイオマス,リサイクルプラスチック) に対して有効性を示しています.
• n次元のモデルは,固体バイオマスの第一次元のモデルよりも優れた予測精度を示しています.
• 伝統的なモデルでは 質量損失に影響を与える全ての 有効な変数を説明するのに苦労します
• 人工ニューラルネットワーク (ANN) は,堅固なTGA運動予測のために複数の変数を効率的に組み込む.

結論:

• モデル選択はTGAの正確な解釈に不可欠であり,インテグラルとn番目の順位のモデルが有望である.
• ANNは重要な進歩であり,複雑なTGAデータ分析とより深い素材の洞察のための強力なツールを提供します.
• この研究は,より洗練された予測方法論に向かい,TGAのデータ分析の発展を強調しています.