Artificial Neural Networks for Pyrolysis, Thermal Analysis, and Thermokinetic Studies: The Status Quo.
Artificial Neural Networks for Pyrolysis, Thermal Analysis, and Thermokinetic Studies: The Status Quo.
复制标题
用于热解，热分析和热动力学研究的人工神经网络：现状。
DOI：
10.3390/molecules26123727
复制
发表时间：
2021-06-18
期刊：
影响因子：
--
通讯作者：
Vyazovkin S
中科院分区：
文献类型：
--
作者：
Muravyev NV;Luciano G;Ornaghi HL Jr;Svoboda R;Vyazovkin S
人工神经网络（ANN）是一种机器学习（ML）方法，现在广泛用于物理，化学和材料科学。人工神经网络可以从数据中学习，以识别非线性趋势并给出准确的预测。ML方法，特别是人工神经网络，已经证明了它们在解决各种化学工程问题中的价值，但在热解，热分析，特别是热动力学研究中的应用仍处于起步阶段。本文给出了一个关键的概述和总结的现有文献中应用人工神经网络在热解，热分析和热动力学研究领域。对这些研究领域的100多篇论文进行了调查。从化学工程的广泛领域的一些方法进行了讨论，作为场地可能转移到热解和热分析研究领域的一般。它强调，目前的热动力学应用的人工神经网络尚未显着发展，以达到现有的isoconversional和模型拟合方法的能力。
Artificial neural networks (ANNs) are a method of machine learning (ML) that is now widely used in physics, chemistry, and material science. ANN can learn from data to identify nonlinear trends and give accurate predictions. ML methods, and ANNs in particular, have already demonstrated their worth in solving various chemical engineering problems, but applications in pyrolysis, thermal analysis, and, especially, thermokinetic studies are still in an initiatory stage. The present article gives a critical overview and summary of the available literature on applying ANNs in the field of pyrolysis, thermal analysis, and thermokinetic studies. More than 100 papers from these research areas are surveyed. Some approaches from the broad field of chemical engineering are discussed as the venues for possible transfer to the field of pyrolysis and thermal analysis studies in general. It is stressed that the current thermokinetic applications of ANNs are yet to evolve significantly to reach the capabilities of the existing isoconversional and model-fitting methods.
登录
查看更多内容
影响因子：
3.5
作者：
Burgaz, Engin;Yazici, Mehmet;Ozcan, Hakan
通讯作者：
Ozcan, Hakan
影响因子：
4.4
作者：
Casier, Bastien;Carniato, Stephane;Sisourat, Nicolas
通讯作者：
Sisourat, Nicolas
影响因子：
6
作者：
Cepeliogullar, Ozge;Mutlu, Ilhan;Haykiri-Acma, Hanzade
通讯作者：
Haykiri-Acma, Hanzade
影响因子：
11.2
作者：
Cammarata, L;Fichera, A;Pagano, A
通讯作者：
Pagano, A
影响因子：
1.5
作者：
Charde, S. J.;Sonawane, S. S.;Shimpi, N. G.
通讯作者：
Shimpi, N. G.