مدل سازی جذب ترکیبات نیتروژنی از فاز آلی با جاذب های چهارچوب آلی-فلزی به کمک روش یادگیری ماشین

آلودگی ترکیبات نیتروژنی در سوخت های فسیلی یکی از چالش های اصلی زیست محیطی است. روش های سنتی مانند نیتروژن زدایی هیدروژنی به دلیل هزینه و پیچیدگی بالا محدودیت هایی دارند، در حالی که جذب سطحی با مصرف انرژی کمتر و کارایی بالا جایگزین بهتری است. در این مطالعه، هدف اصلی پیش بینی درصد جذب ترکیبات نیتروژنی با استفاده از مدل سازی مبتنی بر یادگیری ماشین است. در این مطالعه از روش رگرسیون فرایند گوسی برای مدل سازی استفاده شد و شاخص های ارزیابی مدل مانند R۲، RMSE، MSE، MAE و MAPE بررسی شدند. داده های آزمایشگاهی مربوط به ۱۱ گروه مختلف چهارچوب های آلی-فلزی جمع آوری شد. پارامترهای ورودی دما، زمان عملیاتی، جرم مولکولی و غلظت اولیه ترکیبات آلاینده، مقدار و سطح ویژه جاذب انتخاب شدند. مدل رگرسیون گوسی با کرنل نمایی مربعی با تشخیص ارتباط خودکار در هر دو مرحله آموزش و تست، دقتی برابر با ۰.۹۹ ارائه داد. در نهایت، نتایج تحلیل اهمیت ویژگی نشان داد که پارامترهای زمان عملیاتی، مقدار جاذب و غلظت اولیه آلاینده ها بیشترین تاثیر را در فرایند مدل سازی داشتند.

Keywords:

مدل سازی , جذب سطحی , چهارچوب آلی-فلزی , ترکیبات نیتروژنی , یادگیری ماشین