混合废弃生物质制氢：热解、热力学-动力学分析与AI建模
机器学习
2026-01-15 v2 材料科学
摘要
本工作通过热解研究食物基生物质的热化学转化，突出人工智能(AI)在提高工艺建模精度和优化效率方面的作用。主要目标是探索未被充分利用的生物质资源，如已用咖啡渣(SCG)和日期种子(DS)，用于可持续制氢生产。具体而言，它旨在优化热解工艺，同时评估这些资源的性能，无论是单独使用还是作为混合物。对纯DS、SCG以及混合物(75% DS - 25% SCG, 50% DS - 50% SCG, 25% DS - 75% SCG)进行了近似、终极、纤维、TGA/DTG、动力学、热力学和Py-Micro GC分析。混合物3提供了更好的氢气产率潜力，但具有最高的活化能(Ea: 313.24 kJ/mol)，而混合物1表现出最佳的活化能值(Ea: 161.75 kJ/mol)。基于等转化法(KAS, FWO, Friedman)的动力学建模确定KAS最为准确。这些方法为理解热解工艺提供了详细的理解，特别强调了人工智能的整合。一个在木质纤维素数据上训练的LSTM模型对TGA曲线的预测精度极高(R^2: 0.9996-0.9998)。
引用
@article{arxiv.2510.15960,
title = {Hydrogen production from blended waste biomass: pyrolysis, thermodynamic-kinetic analysis and AI-based modelling},
author = {Sana Kordoghli and Abdelhakim Settar and Oumayma Belaati and Mohammad Alkhatib and Khaled Chetehouna and Zakaria Mansouri},
journal= {arXiv preprint arXiv:2510.15960},
year = {2026}
}
备注
41 pages, 21 figures