پیش بینی خروجی های تکنولوژی گازی سازی منابع زیست توده با بهره گیری از یادگیری ماشین

با افزایش روز افزون تقاضا برای منابع انرژی تجدیدپذیر، بهینه سازی فناوری های موجود در این حوزه بدل به امری اجتناب ناپذیر شده است. از جمله منابع تجدیدپذیر که در تحقیقات توجهات بسیاری را به خود جلب کرده است می توان به منابع زیست توده اشاره داشت. در این پژوهش تلاش شده است که یکی از فناوری های استحصال انرژی از منابع زیست توده - گازی سازی - مورد بررسی قرار گیرد و به منظور بهینه سازی و کنترل هر چه بیشتر این فناوری، پس از تشکیل پایگاه داده مستخرج از بررسی جامع مقالات مرتبط، خروجی های آن با بهره گیری از چندین تکنیک در حوزه هوش مصنوعی و یادگیری ماشین پیش بینی شده اند. روش های هوش مصنوعی آماری استفاده شده در این پژوهش پس از بررسی مقالات مشابه انتخاب شدند و عبارت بودند از رگرسیون خطی ، رگرسیون تقویت کننده گرادیان ، رگرسیون درخت تصمیم گیری ، رگرسیون جنگل رندوم ، رگرسیون بردار ساپورت  و رگرسیون کرنل ریج . در نهایت این پژوهش منتج به چندین مدل پیش بینی بر پایه هوش مصنوعی بادقت های پیش بینی مختلف شد که با پارامترهای آماری مربوطه، دقت پیش بینی مدل های مختلف مورد ارزیابی قرار گرفت. در میان تکنیک های یادگیری ماشین مذکور و با درنظرگرفتن پارامترهای مختلف ارزیابی دقت مدل ها که از جمله مهم ترین آن ها می توان به مربع خطا درداده های تست اشاره کرد، روش های رگرسیون خطی، رگرسیون تقویت کننده گرادیان و رگرسیون جنگل تصادفی، که میزان مربع خطا در هر یک از مدل ها به ترتیب برابر ۹۰۹/۰، ۸۲۹/۰ و ۸۱۸/۰ بود، عملکرد بهتری از خود نسبت به سایر فناوری های پیشنهاد شده نشان دادند.

کلیدواژه ها:

زیست توده ، گازی سازی ، هوش مصنوعی ، یادگیری ماشین