基于化学反应神经网络的生物质热解自主动力学建模
化学物理
2022-01-11 v2 机器学习
摘要
对木材、草和农作物等生物质的燃烧过程建模，对于野火和城市火灾行为的建模与预测至关重要。尽管重要，固体燃料的燃烧仍知之甚少，这部分归因于大多数固体燃料未知的化学反应动力学。现有多数动力学模型基于专家知识构建，需要化学洞察与多年经验。本工作提出一种利用新近发展的化学反应神经网络（CRNN）从热重分析仪（TGA）实验数据自主发现生物质热解动力学模型的框架。该方法将 CRNN 模型纳入神经常微分方程框架以预测 TGA 数据中的残余质量。除基于神经网络的模型所具有的灵活性外，学习的 CRNN 模型通过将质量作用定律和阿伦尼乌斯定律等基本物理定律融入神经网络结构而可解释。所学 CRNN 模型随后可转化为经典的生物质化学动力学模型形式，便于提取化学洞察并将动力学模型集成到大规模火灾模拟中。我们展示了该框架在预测纤维素热解与氧化方面的有效性。这一成功演示开启了固体燃料（如野火燃料和工业聚合物）快速自主化学动力学建模的可能。
引用
@article{arxiv.2105.11397,
title = {Autonomous Kinetic Modeling of Biomass Pyrolysis using Chemical Reaction Neural Networks},
author = {Weiqi Ji and Franz Richter and Michael J. Gollner and Sili Deng},
journal= {arXiv preprint arXiv:2105.11397},
year = {2022}
}