在生命周期评估研究中对机器学习应用的审查
Xiaobo Xue Romeiko1, Xuesong Zhang2, Yulei Pang3
1Department of Environmental Health Sciences, University at Albany, State University of New York, United States of America.
The Science of the total environment
|November 30, 2023
概括
机器学习 (ML) 通过改进数据分析和影响预测来增强生命周期评估 (LCA). 为了更深入的整合和可靠的可持续性评估,需要进一步的研究.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 可持续性研究 可持续性研究
背景情况:
- 生命周期评估 (LCA) 对于定量可持续性评估至关重要.
- 机器学习 (ML) 和数据可用性的进步为LCA提供了新的机会.
- 目前的研究审查了ML技术在LCA方法的整合.
研究的目的:
- 审查进展情况并确定在将ML应用于LCA方面的知识差距.
- 探索未来的研究方向,以 ML 增强 LCA.
- 分析结合LCA和ML进行可持续性评估的研究.
主要方法:
- 对40项研究进行了分析,这些研究量化地结合了LCA和ML方法.
- 在LCA中对ML应用进行分类 (库存,表征,影响估计,解释).
- 识别常用的ML技术,特别是人工神经网络 (ANN).
主要成果:
- 机器学习有助于生成生命周期库存,计算表征因子,估计影响,并支持解释.
- 人工神经网络 (ANN) 是最常用的ML方法.
- 监督的ML模型被训练在不同的数据集上,通常用不到1500个样本.
结论:
- 机器学习提高了预测准确性,模式发现和LCA中的计算效率.
- 进一步的研究应侧重于持续的数据收集,详细的模型报告,不确定性分析和深度学习集成.
- 跨学科的合作对于将ML纳入LCA以支持可持续发展至关重要.
