فهرست نشریات علمی دسترسی آزاد ایران

 کاهش ذخیره منابع انرژی‌‌های فسیلی یک زنگ خطر برای بشر است. از طرف دیگر، مصرف روبه‌رشد سوخت‌های فسیلی مشکل‌های زیست‌محیطی بسیاری مانند گرمایش زمین را با خود به همراه داشته است. این موارد جایگزینی انرژی‌های تجدیدپذیر را اجتناب‌ناپذیر ساخته است. در میان انواع انرژی‌های تجدیدپذیر زیست‌توده یکی از منابع قابل‌اطمینان و پایدار است. تبدیل‌های حرارتی - شیمیایی زیست‌توده به‌عنوان یک روش امیدوارکننده جهت تبدیل زیست‌توده خام به سوخت‌ در حالت‌های مایع (روغن زیستی)، جامد (کربن زیستی) و گاز (گاز زیستی) در نظر گرفته شده است. پیرولیز به‌عنوان یکی از مهم‌ترین تبدیل‌های حرارتی - شیمیایی برای تولید مؤثر روغن زیستی موردتوجه گسترده قرار گرفته است. بااین‌حال، باتوجه‌به پیچیدگی و نیاز به تجهیزات پیشرفته این فرایندها، اندازه‌گیری مقدار محصول‌های تولید شده و کیفیت آنها به دلیل زمان و هزینه‌بربودن بسیار چالش‌برانگیز است؛ بنابراین مدل‌سازی به‌عنوان یک شیوه مؤثر برای به حداکثر رساندن عملکرد و بهره‌وری پیرولیز موردتوجه گسترده قرار گرفته است. در میان روش‌های مختلف مدل‌سازی، یادگیری ماشین در سال‌های اخیر بخصوص برای بهینه‌سازی فرایند پیرولیز پیش‌بینی بازده، پایش بلادرنگ و کنترل فرایند توجه زیادی را به خود جلب کرده است. براین‌اساس، علاوه بر روش‌های پایه همچون شبکه‌های عصبی مصنوعی (یادگیری همبستگی‌های غیرخطی بین مقادیر ورودی و خروجی)، مدل‌های هم آمیخته یادگیری ماشین که از مدل‌های رایج برای مدل‌سازی و بهینه‌سازی مسائل پیچیده بسیار بهتر عمل می‌کنند موردتوجه خاص قرار گرفته‌اند. این مطالعه به طور جامع به تحقیق‌های صورت‌گرفته در مورد کاربردهای یادگیری ماشین در مدل‌سازی فرایند پیرولیز و چشم‌انداز پیشروی این فناوری می‌پردازد. این مدل‌های ماشین یادگیری برای پیش‌بینی تولید روغن زیستی ضریب تعیین بین 26/0 در ضعیف‌ترین حالت و 99/0 را در بهترین حالت ارائه داده‌اند. این مدل‌ها مقادیر بین 6/0 و 93/0 را برای پیش‌بینی ارتقای کیفیت روغن زیستی ارائه نموده‌اند.