Key points are not available for this paper at this time.
바이오디젤 생산의 경제적 지속 가능성에 대한 주요 한계 중 하나는 높은 원료 비용입니다. 모델링 및 최적화는 바이오디젤 생산에 관련된 과정(에스터화 및 트랜스에스터화)이 경제적으로 실행 가능한지를 결정하는 데 중요한 단계입니다. 현상론적 또는 기계적 모델은 이러한 과정을 시뮬레이션할 수 있습니다. 이러한 방법들은 과정을 시뮬레이션하고 관리하는 데 사용되었지만, 계산 복잡성과 수치적인 어려움으로 인해 널리 사용되는 데 제약이 있었습니다. 따라서 이러한 복잡한 시스템을 시뮬레이션하고 조절하기 위해서는 빠르고 효과적이며 정확하고 강인한 모델링 방법론을 사용하는 것이 필요합니다. 데이터 기반 계산 및 기계 학습(ML) 기술은 바이오디젤 시스템의 비선형적이고 예측 불가능하며 복잡하고 다변량적인 특성을 처리하기 위해 전통적인 모델링 방법론의 잠재적 대체 수단을 제공합니다. 인공 신경망(ANN)과 적응형 신경 퍼지 추론 시스템(ANFIS)은 바이오디젤 연구에서 가장 자주 사용되는 ML 도구입니다. 최대 바이오디젤 수확량을 효과적으로 달성하기 위해서는 이러한 도구와 함께 다양한 운영 변수를 최적의 조합으로 얻기 위한 자연 영감을 받은 최적화 알고리즘 기반의 적절한 최적화 기술이 통합되어야 합니다. 향후 연구는 바이오디젤 생산 시스템을 모니터링하고 관리하기 위한 ML 접근법을 활용하여 그 효과성을 높이고 상업적 실행 가능성을 촉진하는 데 초점을 맞춰야 합니다. 따라서 이 리뷰는 바이오디젤 생산 시스템의 모델링 및 최적화에 사용되는 다양한 ML 기술을 논의합니다.
Ishola et al. (Mon,)는 이 질문을 연구했습니다.