文献

J-GLOBAL ID：202002283851223714   整理番号：20A0299961

機械学習と動力学ベースプロセスシミュレーションを用いた活性炭生産のエネルギーと温室効果ガスインベントリーデータの生成【JST・京大機械翻訳】

Generating Energy and Greenhouse Gas Inventory Data of Activated Carbon Production Using Machine Learning and Kinetic Based Process Simulation

著者 (3件)： Liao Mochen (Department of Forest Biomaterials, North Carolina State University, North Carolina, United States) ,  Kelley Stephen (Department of Forest Biomaterials, North Carolina State University, North Carolina, United States) ,  Yao Yuan (Department of Forest Biomaterials, North Carolina State University, North Carolina, United States)
資料名： ACS Sustainable Chemistry & Engineering  (ACS Sustainable Chemistry & Engineering)
巻： 8  号： 2  ページ： 1252-1261  発行年： 2020年 
JST資料番号： W5047A  ISSN： 2168-0485  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 多様なバイオマス原料から生産される活性炭(AC)の環境的意味を理解することは,バイオマススクリーニングと持続可能性のためのプロセス最適化にとって重要である。多くの研究がバイオマス由来ACのライフサイクルアセスメント(LCA)を開発した。しかし,それらのほとんどは,異なるプロセス条件を持つ個々のバイオマス種に焦点を合わせ,原料とプロセス変動の影響を調べることなく,複数のバイオマス原料を比較した。多様なバイオマスからのACのためのLCAの開発は,プロセスデータの不足(例えばエネルギーと物質収支)のために時間がかかり,挑戦的である。本研究では,人工ニューラルネットワーク(ANN),機械学習アプローチ,および運動学ベースのプロセスシミュレーションを統合したモデリングフレームワークを開発することにより,これらの知識ギャップに取り組んだ。統合されたフレームワークは,250の特性化データサンプルを有する73の異なるタイプの木質バイオマスから生産されたACのライフサイクルインベントリーデータを生成することができる。結果は,異なるバイオマス種(43.4~277MJ/kg ACと3.96~22.0kgCO2~eq/kg AC)にわたるエネルギー消費とGHG放出の大きな変動を示した。感度分析は,バイオマス組成(例えば,水素および酸素含有量)およびプロセス運転条件(例えば,活性化温度)が,AC生産に関連するエネルギー消費およびGHG排出に大きな影響を及ぼすことを示した。Copyright 2020 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ライフサイクルアセスメント ,  ニューラルネットワーク ,  木質バイオマス ,  モデリング ,  バイオマス ,  *温室効果ガス ,  エネルギー消費 ,  キャラクタリゼーション ,  感度解析 ,  物質収支 ,  スクリーニング ,  水素 ,  *活性炭 ,  *機械学習 ,  *プロセスシミュレーション

著者キーワード (7件)： 活性炭 ,  バイオマス ,  ライフサイクルアセスメント ,  機械学習 ,  人工神経回路網 ,  動力学 ,  プロセスシミュレーション

分類 (1件)： 生物燃料及び廃棄物燃料  (LB02020Y)

タイトルに関連する用語 (7件)： 機械学習 ,  動力学 ,  プロセスシミュレーション ,  活性炭 ,  エネルギー ,  温室効果ガス ,  インベントリー