科学家提出使用机器学习预测胺排放

全球变暖的部分原因是我们释放的大量二氧化碳，主要来自发电和工业过程，例如炼钢和水泥。一段时间以来，化学工程师一直在探索碳捕获。这是在专门的碳捕获工厂中完成的，其化学过程涉及胺类化合物，这些化合物已用于从天然气加工和精炼厂捕获二氧化碳。胺也用于某些药物、环氧树脂和染料。

问题在于，胺类还可能对环境和健康造成潜在危害，因此必须减轻它们的影响。这需要准确监测和预测工厂的胺排放量，这已被证明并非易事，因为碳捕获工厂非常复杂。

洛桑联邦理工学院一组科学家提出了一种机器学习解决方案，用于使用德国一家实际工厂压力测试的实验数据来预测碳捕获工厂的胺排放量。

实验是在德国最大的燃煤电厂之一的 Niederhauẞen 进行的，从这个发电厂，一股气流被送入碳捕集试验工厂，在那里对下一代胺溶液进行了一年多的测试。但突出的问题之一是胺类会随烟气排放，需要控制这些胺类排放。

科学家开展了一项实验活动，以了解胺排放物的产生方式和时间。但他们的一些实验也引起了工厂操作员的干预，以确保工厂安全运行。

这些干预导致了如何解释数据的问题。胺排放是压力测试本身的结果，还是运营商的干预间接影响了排放？由于我们普遍缺乏对胺排放背后机制的理解，这进一步复杂化。 简而言之，研究人员开展了一项耗资巨大且成功的活动，表明胺排放可能是一个问题，但没有进一步分析数据的工具。获取更多科技前沿请访问：https://byteclicks.com

现在科研人员开发了一种机器学习方法，将胺排放难题转化为模式识别问题。

在下一步中，研究团队使用强大的机器学习从工厂数据中预测未来的胺排放量。通过这个模型，研究人员可以预测运营商干预造成的排放，然后将它们与压力测试引起的排放分开。此外，人们还可以使用该模型来运行各种减少这些排放的情景。

这个结论被描述为“令人惊讶”。事实证明，试验工厂是为纯胺设计的，但测量实验是在两种胺的混合物上进行的：2-氨基-2-甲基-1-丙醇和哌嗪 (CESAR1)。科学家们发现，这两种胺实际上以相反的方式做出反应：减少一种胺的排放实际上增加了另一种的排放。

这种预测不是任何传统方法都能做到的，因此它可能会改变我们运营化工厂的方式。

相关研究成果发表在科学进展上。