对聚乙烯废弃物的蒸汽气化进行回归分析,以实现高效和环境可持续的过程

科学领域:

• 化学工程是化学工程的重要组成部分.
• 环境科学 环境科学
• 数据科学数据科学数据科学

背景情况:

• 越来越多的人对聚乙烯 (PVC) 气化感兴趣,需要优化工艺.
• 处理参数显著影响PVC气化效率和排放.
• 关于将机器学习,特别是回归,应用于PVC废物气化方面的研究有限.

研究的目的:

• 调查回归模型在预测PVC废物气化性能方面的有效性.
• 为了比较线性,二次性和二次性的预测精度与相互作用回归算法.
• 确定最佳的机器学习方法,以最大限度地提高PVC气化效率并最大限度地减少对环境的影响.

主要方法:

• 利用了PVC气化验证热力学模型的数据.
• 实现并比较了三个回归模型:线性,二次性和二次性与相互作用.
• 预测的关键绩效指标:冷气效率和二氧化碳排放正常化.

主要成果:

• 与相互作用的二次算法实现了近乎完美的R平方值99.90%,用于预测排放.
• 二次算法表现出强大的预测能力,其R平方值为99.81%.
• 在所有测试的算法中预测冷气效率时观察到类似的高精度.

结论:

• 回归模型,特别是具有相互作用的二次算法,显示出对PVC废物气化的卓越预测准确性.
• 机器学习为优化PVC气化过程提供了一个强大的工具.
• 这种方法可以提高效率,并减轻与PVC废物处理相关的环境问题.