先进的双人工神经网络系统用于生物质燃烧分析和减排
Karol Postawa1, Kamila Klimek2, Grzegorz Maj3
1Faculty of Chemistry, Wrocław University of Science and Technology, Gdańska 7/9, 50-344, Wrocław, Poland.
Journal of environmental management
|November 17, 2023
概括
人工神经网络 (ANN) 可以预测葡萄园生物质燃烧参数. 双ANN系统优化了生物能源生产和减排的原料选择.
科学领域:
- 农业工程 农业工程
- 环境科学 环境科学
- 生物质能源 生物质能源
背景情况:
- 农业废物管理对种植园至关重要.
- 堆肥对所有废物类型并不总是有效的.
- 废物的热处理需要优化,以最大限度地减少温室气体排放.
研究的目的:
- 研究使用人工神经网络 (ANN) 来预测葡萄园生物质燃烧原料和排放参数的可行性.
- 开发一种新的双ANN系统,用于准确的预测和优化.
- 为生物能源生产和减排提供有关原料选择的建议.
主要方法:
- 构建一个新的双ANN系统,包括两个级联前进的ANN.
- 在独立的数据集上训练ANN,每个数据集都有三个隐藏层.
- 对双ANN系统的准确性和相对误差进行基准测试.
主要成果:
- 双ANN系统实现了2.09%的最大相对误差.
- ANN模型可以预测最佳生物能源生产的原料参数.
- 具体的原料特性 (叶子数量,分布,质量,面积) 影响热量值.
- 为了降低排放量,需要不同的原料条件.
结论:
- 不可能为能源和碳效益提供通用建议.
- 应根据具体目标 (能源生产与减排) 量身定制原料的选择.
- 该研究概述了一个明确的方向,寻求在优化生物质燃烧方面达成共识.
