خوارزميات الانحدار في تعلم الآلة للتنبؤ بالانبعاثات من غلايات البخار

حالياً، يؤثر نمذجة العمليات الكيميائية-الفيزيائية المعقدة بشكل كبير على التطور الصناعي. لذلك، فإن تحليل ودراسة عملية الاحتراق للغلايات باستخدام تقنيات تعلم الآلة (ML) أساسية لزيادة الكفاءة التي تعمل بها هذه المعدات وتقليل حمولة التلوث التي تساهم بها في البيئة. يهدف هذا العمل إلى التنبؤ بانبعاثات CO و CO2 و NOx ودرجة حرارة غازات العادم للغلايات الصناعية من بيانات حقيقية. تم مناقشة خوارزميات ML المختلفة لتحليل الانحدار. المتغيرات المدخلة هي: درجة الحرارة المحيطة، ضغط التشغيل، إنتاج البخار، ونوع الوقود المستخدم في حوالي 20 غلاية صناعية. تم جمع بيانات انبعاث كل غلاية باستخدام جهاز تحليل غازات الاحتراق TESTO 350. أظهرت النمذجة، باستخدام طريقة تعلم الآلة مع خوارزمية الانحدار المعزّز، أداءً أفضل في التوقعات التي تم إجراؤها على بيانات الاختبار، متفوقة على جميع النماذج الأخرى المدروسة. تم تحقيق ذلك مع قيم متوقعة تظهر خطأً مطلقاً متوسطاً قدره 0.51 ومعامل تحديد قدره 99.80%. تم مقارنة نماذج الانحدار المختلفة (DNN، MLR، RFR، GBR) لاختيار الأنموذج الأمثل. مقارنةً بالنماذج المعتمدة على الانحدار الخطي، فإن نموذج DNN لديه أداء أفضل في التوقعات. يقدم النموذج المقترح طريقة جديدة للتنبؤ بانبعاثات CO2 و CO و NOx ودرجة حرارة مخرج غاز العادم.