Hybrid Smart Strategies to Predict Amine Thermal Degradation in Industrial CO<sub>2</sub> Capture Processes
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide CO 2 emission reduction is an essential step to achieve the climate change targets. Solvent-based post-combustion CO 2 capture (PCC) processes are efficient to be retrofitted to the existing industrial operations/installations. Solvent degradation (and/or loss) is one of the main concerns in the PCC processes. In this study, the thermal degradation of monoethanolamine (MEA) is investigated through the utilization of hybrid connectionist strategies, including an artificial neural network-particle swarm optimization (ANN-PSO), a coupled simulated annealing-least squares support vector machine (CSA-LSSVM), and an adaptive neuro-fuzzy inference system (ANFIS). Moreover, gene expression programming (GEP) is employed to generate a correlation that relates the solvent concentration to the operating variables involved in the adverse phenomenon of solvent thermal degradation. The input variables are the MEA initial concentration, CO 2 loading, temperature, and time, and the output variable is the remaining/final MEA concentration after the degradation phenomenon. According to the training and testing phases, the most accurate model is ANFIS, and the reliability/performance of its optimal network is assessed by the coefficient of determination ( R 2 ), mean squared error, and average absolute relative error percentage, which are 0.992, 0.066, and 2.745, respectively. This study reveals that the solvent initial concentration has the most significant impact, and temperature plays the second most influential effect on solvent degradation. The developed models can be used to predict the thermal degradation of any solvent in a solvent-based PCC process regardless of the complicated reactions involved in the degradation phenomenon. The models introduced in this study can be employed for the development of more accurate hybrid models to optimize the proposed systems in terms of cost, energy, and environmental prospects.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».