相关实验视频
Updated: Jun 2, 2025

09:17
Surrogate Model Development for Digital Experiments in Welding
Published on: March 28, 2025
684
化学释放建模的回归工具:一种增材制造案例研究.
David E Meyer1, Raymond L Smith1, Elizabeth Lanphear2
1Center for Environmental Solutions and Emergency Response, United States Environmental Protection Agency, Cincinnati, Ohio.
Journal of occupational and environmental hygiene
|January 13, 2025
概括
使用回归模型估计化学物质释放对于风险评估至关重要. 包括机器学习在内的各种方法准确地预测了3D打印产生的挥发性有机化合物释放量,为暴露评估提供了信息.
科学领域:
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 化学品释放数据对于工业风险评估至关重要,但往往无法获得.
- 估计这些释放是必要的,以了解潜在的风险.
研究的目的:
- 探索各种回归方法的有效性,以预测化学物质的释放.
- 根据挤出制造添加剂制造的数据进行化学风险评估.
主要方法:
- 评估了线性最小平方,LASSO,回归,分类和回归树,随机森林和神经网络分析.
- 利用了聚合物挤出的二次数据,并评估了合成数据生成.
- 在具有不同特征的共同数据集上测试模型性能.
主要成果:
- 所有评估的方法都在10%的误差范围内实现了高达98%的测试群体的预测.
- 线性方法和神经网络在较少的特征下表现良好;基于树的方法处理了更多的特征.
- 包括相关的工艺数据改善了预测,而合成数据显示微小的收益.
结论:
- 包括机器学习在内的回归建模显示出预测化学释放的前景.
- 模型性能随特征选择而变化,强调需要仔细的特征工程.
- 未来的研究应该专注于初级数据采集和模型优化,以预测环境释放.

