Прогнозирование выхода конечных продуктов в процессе пиролиза растительной биомассы методами машинного обучения

Abstract

Статья посвящена разработке методов математического моделирования выхода конечных продуктов при пиролизе растительной биомассы с использованием моделей машинного обучения. Основная цель исследования заключается в разработке и анализе прогнозных моделей. Для обучения моделей используются данные, полученные в результате натурных экспериментов. В качестве основных признаков выступают химические и физические характеристики состава биомассы, параметры температурного режима процесса пиролиза. В качестве прогнозируемых конечных выходов продуктов пиролиза выступают жидкие продукты пиролиза, включая смолу; твердые продукты пиролиза и пиролизный газ в процентном соотношении. На основе этих данных разработаны различные модели машинного обучения, которые проанализированы с точки зрения возможности интеграции в интеллектуальную систему поддержки научных исследований. В результате из них выбрана модель, позволяющая с достаточно высокой точностью предсказывать соотношения различных фракций выходного продукта в ходе пиролиза, что открывает новые возможности для оптимизации пиролизных установок и повышения их энергетической эффективности.

The article is devoted to the development of methods for mathematical modeling of final product yields in plant biomass pyrolysis using machine learning models. The main objective of the study is to develop and analyze predictive models. For training the models the data obtained from full-scale experiments are used. Chemical and physical characteristics of biomass composition, parameters of the pyrolysis process temperature regime act as the main att ributes. The predicted final yields of pyrolysis products are liquid pyrolysis products, including tar; solid pyrolysis products and pyrolysis gas in percentage ratio. Based on these data, various machine learning models are developed and analyzed for the possibility of integration into an intelligent research support system. As a result, a model has been selected that allows predicting the ratios of different fractions of the output product during pyrolysis with sufficiently high accuracy, which opens up new opportunities for optimizing pyrolysis plants and improving their energy efficiency.