سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

کاربرد یادگیری ماشین درگازی سازی زیست توده

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 251

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRCCE12_004

تاریخ نمایه سازی: 2 مرداد 1403

چکیده مقاله کاربرد یادگیری ماشین درگازی سازی زیست توده

گازی شدن یک رویکرد پایدار برای تصفیه زباله های زیست توده ای با تولید همزمان گاز سنتز ۲H است. با این حال، این فرآیند ترموشیمیایی پیچیده شامل محصولات چند فازی دیگری نیز می باشد، که توزیع و ترکیب محصولات به شدت به اطلاعات مواد اولیه و شرایط گازی شدن بستگی دارد. در حال حاضر، درک کامل و بهینه سازی این فرآیند هنوز چالش برانگیز است. در این تحقیق علمی، چهار روش یادگیری ماشین مبتنی بر داده ( Machine Learning ) برای مدل سازی فرآیند تبدیل به گاز زباله زیست توده برای پیش بینی محصول و تفسیر و بهینه سازی فرآیند استفاده شده. نتایج نشان داد که مدل رگرسیون تقویت گرادیان (GBR) عملکرد خوبی برای پیش بینی محصولات سه فازی و ترکیبات گاز سنتز با آزمون ۲R مقادیری بین ۰.۸۲ - ۰.۹۶ ر ا نشان داد . تفسیر مبتنی بر مدل GBR نشان داد که هم شرایط خوراک و هم شرایط گازی (شامل محتویات خاکستر مواد اولیه، کربن، نیتروژن، اکسیژن و دمای تبدیل به گاز) عوامل مهمی هستند که بر توزیع قیر، قطران و گاز سنتز تاثیر می گذارند . علاوه بر این، مشخص شد که یک ماده اولیه با محتوای کربن بالاتر (> ۴۸٪) ، نیتروژن کمتر (<۰.۵٪) و خاکستر (۱ - ٪ ۵ ٪) در دمای بیش از ۸۰۰ درجه سانتیگراد می تواند عملکرد بالاتری از ۲H غنی داشته باشد . گاز سنتز نشان داده شد که شرایط بهینه پیشنهاد شده توسط این مدل می تواند خروجی حاوی ۶۰ % تا۶۲% گاز سنتز و بازده ۴۴.۳۴ mol/kg ۲H را به دست آورد . این بینش های ارزشمند ارائه شده از تفسیر مبتنی بر مدل می تواند به درک و بهینه سازی گازی سازی زیست توده برای هدایت تولید گاز سنتز غنی از ۲H کمک کند .

کلیدواژه های کاربرد یادگیری ماشین درگازی سازی زیست توده:

زیست توده ، گاز سنتز ، گازی سازی ( Gasification ) ، یادگیری ماشین ( Machine Learning ) ، مدل رگرسیون ، گاز سنتز

نویسندگان مقاله کاربرد یادگیری ماشین درگازی سازی زیست توده

محمد باقری تبار

دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایرا ن

علی چاروسایی

دانشکده مهندسی پلیمر و رنگ، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران

هومن فتوره چی

دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایران

صبا فهمی

دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایران

رضا حسینی

دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایران

مقاله فارسی "کاربرد یادگیری ماشین درگازی سازی زیست توده" توسط محمد باقری تبار، دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایرا ن؛ علی چاروسایی، دانشکده مهندسی پلیمر و رنگ، دانشگاه صنعتی امیرکبیر (پلی تکنیک تهران)، تهران، ایران؛ هومن فتوره چی، دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایران؛ صبا فهمی، دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایران؛ رضا حسینی، دانشکده مهندسی شیمی،دانشگاه تهران،تهران،ایران نوشته شده و در سال 1402 پس از تایید کمیته علمی دوازدهمین کنفرانس بین المللی شیمی، مهندسی شیمی و نفت پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله زیست توده، گاز سنتز، گازی سازی ( Gasification )، یادگیری ماشین ( Machine Learning )، مدل رگرسیون، گاز سنتز هستند. این مقاله در تاریخ 2 مرداد 1403 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 251 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که گازی شدن یک رویکرد پایدار برای تصفیه زباله های زیست توده ای با تولید همزمان گاز سنتز ۲H است. با این حال، این فرآیند ترموشیمیایی پیچیده شامل محصولات چند فازی دیگری نیز می باشد، که توزیع و ترکیب محصولات به شدت به اطلاعات مواد اولیه و شرایط گازی شدن بستگی دارد. در حال حاضر، درک کامل و بهینه سازی این ... . این مقاله در دسته بندی موضوعی یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله کاربرد یادگیری ماشین درگازی سازی زیست توده با 20 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.