Predictive Modeling of the Syngas Production from Methane Dry Reforming over Cobalt Catalyst with Statistical and Machine Learning Based Approaches

Metanın kuru reformlanması, CO 2 emisyonunu azaltmak ve çeşitli Fischer-Tropsch sentezlerinde ve sentez gazlarının üretiminde kullanmak için umut verici bir yöntemdir. İstenen ürünleri verimli bir şekilde elde etmek için, reaktantların ürünler üzerindeki etkisi kesin olarak bilinmelidir. Bu amaçla, yapay-zeka bazlı veri odaklı tahmin modelleri ile metan kuru reformunun modellenmesi için çeşitli çalışmalar yayınlanmıştır. Önerilen metotlar, aşırı uyum probleminin araştırılmamasından, eksik ve/veya yanlı performans değerlendirmelerinden dolayı, sürecin belirli çıktılarını tahmin etmek için yetersiz kalmıştır. Bu çalışmada 57 örnek içeren bir veri seti kullanarak üç regresyon yöntemi kullandık ve tahmin modelleri geliştirdik. Modellerin performans değerlendirmeleri, tarafsız sonuçlar elde etmek için, 10 katlı çapraz doğrulama ile gerçekleştirilmiştir. Önerilen yöntemlerin hem eğitim hem de test performansları ayrı ayrı incelenmiş ve pratikte uygulanabilirliği tartışılmıştır.