利用进化机器学习表征与优化生物质原料与聚合物废物的共热解
机器学习
2023-05-29 v1
摘要
生物质原料与聚合物废物的共热解是一种提升所得液体燃料数量与质量参数的有前景策略。通常需进行大量实验测量以寻找最优操作条件。然而，由于需昂贵且耗时的流程，开展共热解实验极具挑战。机器学习(ML)提供利用现有数据应对此类问题的能力。本工作旨在引入一种进化ML方法，以量化生物质-聚合物共热解过程的(副)产物。从合格文献中汇编了涵盖广泛工艺条件下多种生物质-聚合物混合物的综合数据集。对该数据库进行统计分析与机理探讨。输入特征采用一种创新方法构建以反映工艺物理机制。所构建特征经主成分分析降维。所得得分被输入六个ML模型。由粒子群优化算法调优的高斯过程回归模型展现出优于其他已开发模型的预测性能(R2 > 0.9、MAE < 0.03、RMSE < 0.06)。多目标粒子群优化算法成功找到最优独立参数。
引用
@article{arxiv.2305.16350,
title = {Using evolutionary machine learning to characterize and optimize co-pyrolysis of biomass feedstocks and polymeric wastes},
author = {Hossein Shahbeik and Alireza Shafizadeh and Mohammad Hossein Nadian and Dorsa Jeddi and Seyedali Mirjalili and Yadong Yang and Su Shiung Lam and Junting Pan and Meisam Tabatabaei and Mortaza Aghbashlo},
journal= {arXiv preprint arXiv:2305.16350},
year = {2023}
}