久久亚洲私人国产精品va,无码av在线观看播放,口爆

碳捕集、利用和儲存 (CCUS) 將在未來的脫碳中發揮關鍵作用，以實現巴黎協定目標并減輕氣候變化影響。雖然有許多發展良好的CCUS技術，但仍有改進空間。

推進CCUS的一種既省時又經濟的方式是機器學習(ML)。ML是先進統計工具和算法的統稱，可用于對數據進行分類、預測、優化和聚類。

圖1. ML算法的類型和應用

在此，英國克蘭菲爾德大學Yongliang Yan, Peter T. Clough等人回顧和討論了 ML在CO₂捕集、運輸、儲存和利用中的最新進展。首先，作者總結了可以用來加速CCUS研究的ML算法和平臺。ML已廣泛應用于基于吸收劑和吸附劑的CO₂捕集。對于CO₂吸收中的ML，研究重點是過程模擬和優化、熱力學分析以及溶劑選擇和設計。至于CO₂吸附中的ML，研究重點是將ML應用于吸附劑合成和表征、過程建模和優化及反演。

ML還廣泛應用于CO₂的運輸和儲存，其獨特優勢在于提供了識別不易識別的數據/結果之間聯系的潛力，并且還提供了替代的較低計算成本的途徑。ML可以用來加速CO₂分離和轉化材料的設計和開發，測量多相CO₂流及評估碳捕集機制，并開發用于過程優化和不確定性分析的替代模型。隨著ML在CCUS中的發展，預計ML將成為加速開發具有成本效益的CCUS系統以應對氣候變化的有效的重要工具。

圖2. 執行優化的ML算法結構

最后，作者就ML在CCUS未來的工作和研究應用提出以下建議：

（1）加強對ML和CCUS的人才的教育培養；

（2）探索可以推斷功能信息的廣義ML模型；

（3）開發材料、工藝和系統優化（同時執行）的組合ML模型；

（4）在CCUS大規模應用中訓練ML模型；

（5）進一步開發混合ML方法以彌補數據不足；

（6）開發可接受和可解釋的ML模型；

（7）進一步研究ML是否可以應用于改進過程控制；

（8）建議提高ML模型和數據庫的開放性；

（9）擴大CCUS 規模并盡可能使用ML模型。

圖3. 為CO₂化學循環過程中的氧載體開發ML模型的工作流程

Harnessing the power of machine learning for carbon capture, utilisation, and storage (CCUS)—A state-of-the-art review, Energy & Environmental Science 2021. DOI: 10.1039/D1EE02395K

原創文章，作者：科研小搬磚，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/12/fec7d9fbc7/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

EES：機器學習用于碳捕集、利用和儲存的最新綜述

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

EES：機器學習用于碳捕集、利用和儲存的最新綜述

相關推薦