Analyse de la performance des algorithmes informatiques intelligents pour la prédiction de la valeur calorifique supérieure de la biomasse

La valeur calorifique supérieure (VCS) est un paramètre essentiel à considérer lors de l'évaluation et du choix des substrats de biomasse pour la combustion et la production d'énergie. Traditionnellement, la VCS est déterminée en laboratoire à l'aide d'un calorimètre à oxygène adiabatique. Cependant, cette approche est laborieuse et coûteuse. Il est donc essentiel d'explorer d'autres options viables. Dans cette étude, deux techniques distinctes basées sur l'intelligence artificielle, à savoir une machine à vecteurs de support (MVS) et un réseau neuronal artificiel (RNA), ont été utilisées pour développer des modèles de prédiction de la VCS de la biomasse basés sur l'analyse proximale. Les variables d'entrée comprenant la cendre, la matière volatile et le carbone fixe ont été associées pour former quatre entrées distinctes pour les modèles de prédiction. Les résultats globaux ont montré que les outils RNA et MVS peuvent garantir des prédictions précises dans toutes les combinaisons d'entrées. Les meilleures performances de prédiction ont été observées lorsque le carbone fixe et la matière volatile étaient associés comme combinaison d'entrée. Cette combinaison a montré que l'RNA surperformait la MVS, ayant présenté l'erreur quadratique moyenne la plus faible de 0,0008 et le coefficient de corrélation le plus élevé de 0,9274. Cette étude a donc conclu que l'RNA est préférable par rapport à la MVS pour la prédiction de la VCS de la biomasse basée sur l'analyse proximale.