用机器学习技术为能源系统模拟生物质热解的气生产,使用机器学习技术.
Paulino José García-Nieto1, Esperanza García-Gonzalo2, Beatriz María Paredes-Sánchez3
1Department of Mathematics, Faculty of Sciences, University of Oviedo, 33007, Oviedo, Spain. pjgarcia@uniovi.es.
概括
本研究介绍了一种使用人工蜂群和支矢量机器的智能模型,用于预测生物质热解中的气产量. 该模型准确地描述了关键参数,并预测了产量,证明了高预测性能.
科学领域:
- 化学工程是化学工程的重要组成部分.
- 人工智能的人工智能
- 可持续能源 可持续能源
背景情况:
- 气作为工业4.0中的能源原料越来越重要.
- 生物质热解是产生气的关键过程.
- 准确地描述和预测气生产 (HGP) 是至关重要的.
研究的目的:
- 开发一种新的人工智能模型,用于从生物质中表征HGP.
- 为了确定物理化学参数在HGP上的意义.
- 使用先进的计算方法准确预测HGP.
主要方法:
- 使用支持矢量机器 (SVM) 与人工蜜蜂群 (ABC) 优化器相结合.
- 开发了一种用于HGP预测的创新建模方法.
- 将模型应用于观察到的数据集以进行验证.
主要成果:
- 获得HGP估计的0.9464的确定系数.
- 在HGP预测中达到0.9751的相关系数.
- 通过模型证明了物理化学参数对HGP的重要性.
结论:
- 该ABC/SVM模型有效地描述和预测生物质热解的气产量.
- 开发的程序在接近观察到的HGP数据方面显示了适当的有效性.
- 这种方法为优化气生产过程提供了一个强大的工具.


