增强自燃特性：一种发现燃料添加剂并基于机器学习进行预测的框架
化学物理
2021-11-12 v1
摘要
若使用合适的燃料添加剂，燃烧过程可变得更加节能且环保。将化学动力学与机器学习（ML）相结合的混合方法可加速燃料添加剂的发现。本工作中，我们提出一个框架，利用机器学习的鲁棒性与化学动力学的准确性来预测燃料添加剂对自燃过程的影响。我们以生物燃料正丁醇（）与若干燃料添加剂的着火延迟时间（IDT）预测为例。所提框架在使用未见过的添加剂时，能够高精度预测自燃的IDT。该框架凸显了机器学习利用化学机理探索和开发燃料添加剂以获取理想自燃特性的潜力。
引用
@article{arxiv.2111.06096,
title = {Enhancing Autoignition Characteristics: A Framework to Discover Fuel Additives and Making Predictions Using Machine Learning},
author = {Shahid Rabbani},
journal= {arXiv preprint arXiv:2111.06096},
year = {2021}
}
备注
6 pages, 1 table, 5 figures, Submitted to International Conference on Applied Energy 2021 (ICAE2021)