主要组件分析-多变量自适应回归线 (PCA-MARS) 和反向传播-人工神经网络 (BP-ANN) 方法用于使用ATR-FTIR光谱学预测氧化脱硫系统的效率
Mina Sadrara1, Mohammadreza Khanmohammadi Khorrami1
1Chemistry Department, Faculty of Science, Imam Khomeini International University, 3414896818 Qazvin, Iran.
主要组件分析-多变量自适应回归线 (PCA-MARS) 和PCA回传播人工神经网络 (PCA-BP-ANN) 准确预测氧化脱硫 (ODS) 后的硫度. 这些强大的模型为监测ODS性能提供了比遗传算法部分最小方程 (GA-PLS) 更好的预测准确性.
科学领域:
- 化学工程是化学工程的重要组成部分.
- 分析化学 分析化学
- 数据科学数据科学数据科学
背景情况:
- 氧化脱硫 (ODS) 是在温和条件下从柴油燃料中去除芳香硫化合物的关键过程.
- 准确和快速的分析工具对于监测ODS系统的效率至关重要.
- 在ODS过程中形成并提取的硫度作为可靠的性能指标.
研究的目的:
- 评估主要成分分析-多变量自适应回归线 (PCA-MARS) 作为反向传播人工神经网络 (BP-ANN) 的替代方案,以预测硫度的有效性.
- 将PCA-MARS和PCA-BP-ANN的预测性能与遗传算法部分最小方程 (GA-PLS) 方法进行比较.
主要方法:
- 使用主要组件分析 (PCA) 来压缩变量,以确定关键组件.
- 用PCA分数作为MARS和人工神经网络 (ANN) 算法的输入.
- 模型性能使用校准确定系数 (R2c),校准根平均平方误差 (RMSEC) 和预测根平均平方误差 (RMSEP) 进行评估.
主要成果:
- PCA-MARS和PCA-BP-ANN模型显示出高预测准确性,其中R2c值分别为0.9841和0.9913.
- 在预测准确性方面,PCA-MARS和PCA-BP-ANN都超过了GA-PLS模型 (R2c = 0.9472).
- 由于其数据驱动的逐步搜索和修剪功能,MARS算法提供了计算效率.
结论:
- PCA-MARS和PCA-BP-ANN是可靠且有效的模型,用于预测ODS工艺样本中的硫度.
- 这些先进的分析方法提供了可靠的ODS性能监测,超越了GA-PLS等传统方法.
- 在化学分析中,MARS算法为开发预测模型提供了一个计算效率高的替代方案.
更多相关视频
08:43PTR-ToF-MS Coupled with an Automated Sampling System and Tailored Data Analysis for Food Studies: Bioprocess Monitoring, Screening and Nose-space Analysis
Published on: May 11, 2017
08:12Characterization, Quantification and Compound-specific Isotopic Analysis of Pyrogenic Carbon Using Benzene Polycarboxylic Acids BPCA
Published on: May 16, 2016
相关概念视频
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
¹³C NMR: Distortionless Enhancement by Polarization Transfer (DEPT)
Atomic Emission Spectroscopy: Lab
Gas Chromatography: Types of Detectors-II
Atomic Absorption Spectroscopy: Lab
Solutions containing organic solvents, such as low-molecular-mass alcohols, esters, or ketones, enhance absorbances by increasing...
UV–Vis Spectroscopy: Woodward–Fieser Rules
