Machine learning based approach for predicting of higher heating values of solid fuels using proximity and ultimate analysis

Kısa ve elemental analiz kullanılarak yüksek ısı değerinin insert ignore into journalissuearticles values(HHV); öngörülmesi, bir yakıtın karakteristik niteliğini anlamak için önemli bir prosedürdür. Araştırmalar, HHV değeri ile bu analizler arasındaki ilişkiyi açıklamak için denklemler oluşturma çabasını ortaya koymuştur. Ancak uygulanan yöntemler genellikle sadece basit istatistiksel analizleri içermektedir, bu nedenle kısmen başarılı sayılabilir. Bu makalede, bu tahmin sorununa makine öğrenme perspektifinden yaklaşılmaktadır, farklı türdeki malzemelerin kısa ve elemental analizini kullanarak HHV`yi tahmin etmek için dört makine öğrenme yöntemi, yani doğrusal regresyon, polinom regresyonu, karar ağacı regresyonu ve destek vektör regresyonunu kullanılmıştır. Kullanılan veri seti literatürdeki farklı kaynaklardan temin edilerek, kategorilere ayrılmış; sonuçta elde edilen kategoriler, mümkün olduğunca doğru tahmin modelleri oluşturmak için makine öğrenme modellerine beslenecek girdiler olarak kullanılmıştır. Önerilen yöntemlerin performansları k-katlı çapraz doğrulama tekniğiyle değerlendirilerek, her yöntemin performans değerleri hem tahmin doğruluğu hem de hesaplama karmaşıklığı açısından tartışılmıştır.