Το έργο με τίτλο Ανάπτυξη τεχνικού νευρωνικού δικτύου της σχέσης υδροθερμικής προεπεξεργασίας και αναερόβιας χώνευσης βιομάζας από τον/τους δημιουργό/ούς Mouzourakis Andreas διατίθεται με την άδεια Creative Commons Αναφορά Δημιουργού 4.0 Διεθνές
Βιβλιογραφική Αναφορά
Ανδρέας Μουζουράκης, "Ανάπτυξη τεχνικού νευρωνικού δικτύου της σχέσης υδροθερμικής προεπεξεργασίας και αναερόβιας χώνευσης βιομάζας ", Διπλωματική Εργασία, Σχολή Χημικών Μηχανικών και Μηχανικών Περιβάλλοντος, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2025
https://doi.org/10.26233/heallink.tuc.104070
Η αξιοποίηση της λιγνοκυτταρινούχας βιομάζας αποτελεί μια αποτελεσματική στρατηγική για τη μείωση των εκπομπών άνθρακα, καθώς συμβάλει στη περιβαλλοντική βιωσιμότητα και εξοικονόμηση ενέργειας. Η αναερόβια χώνευση είναι μια ενεργειακά αποδοτική τεχνολογία για τον περιορισμό των εκπομπών αερίων του θερμοκηπίου και την ανάκτηση βιοκαυσίμων. Ταυτόχρονα, ο συνδυασμός της αναερόβιας χώνευσης με υδροθερμικά προεπεξεργασμένη βιομάζα συμβάλλει στην ενίσχυσης της συσσωρευτικής παραγωγής μεθανίου, ενώ η απόδοση της διεργασίας εξαρτάται από διάφορους φυσικοχημικούς παράγοντες. Σκοπός της παρούσας διπλωματικής εργασίας ήταν η ανάπτυξη ενός μοντέλου τεχνητού νευρωνικού δικτύου (ANN) για την πρόβλεψη της συσσωρευμένης παραγωγής μεθανίου από λιγνοκυτταρινούχα βιομάζα μέσω αναερόβιας χώνευσης. Τα δεδομένα συλλέχθηκαν από οκτώ δημοσιεύσεις και 42 διαφορετικές συνθήκες υδροθερμικής προεπεξεργασίας. Το μοντέλο περιλάμβανε 12 μεταβλητές εισόδου που κάλυπταν τα φυσικοχημικά χαρακτηριστικά της βιομάζας, τις συνθήκες προεπεξεργασίας και τις συνθήκες αναερόβιας χώνευσης. Ως έξοδος ορίστηκε η ημερήσια συσσωρευμένη παραγωγή μεθανίου. Η ανάπτυξη του μοντέλου πραγματοποιήθηκε έπειτα από 65 δοκιμές, στις οποίες τροποποιούνταν κάθε φορά ο αριθμός των κρυφών επιπέδων και των νευρώνων, χρησιμοποιώντας μετρικές αξιολόγησης ως κριτήριο επιλογής. Το βέλτιστο μοντέλο αποτελούνταν από 2 κρυφά επίπεδα με 14 νευρώνες το καθένα και είχε ακρίβεια προσαρμογής R^2 = 0.9364. Το ολικό μέσο τετραγωνικό σφάλμα (MSE) του μοντέλου ήταν 1.4x10-4, ενώ τα αντίστοιχα σφάλματα για την εκπαίδευση, την επικύρωση και τη δοκιμή ήταν 4.7x10-4, 4.9x10-4 και 5.6x10-3, αντίστοιχα. Στη συνέχεια, πραγματοποιήθηκαν τυφλές δοκιμές (blind tests) με 8 διαφορετικά σύνολα δεδομένων, τα οποία δεν είχαν χρησιμοποιηθεί στο παρελθόν από το μοντέλο, έτσι ώστε να αξιολογηθεί η ικανότητά του στην πρόβλεψη. Για κάθε τυφλή δοκιμή πραγματοποιήθηκε σύγκριση μεταξύ πειραματικών και προβλεπόμενων τιμών. Τα αποτελέσματα έδειξαν ότι σε 6 από τις 8 δοκιμές επιτεύχθηκε ακρίβεια προσαρμογής μεγαλύτερη του R^2 = 0.90, επιβεβαιώνοντας τη σταθερή απόδοση του μοντέλου. Αντίθετα, σε 2 περιπτώσεις παρατηρήθηκε μειωμένη ακρίβεια με τιμές R^2 = 0.7854 και R^2 = 0.4409, αντίστοιχα. Κατόπιν, έγινε ανάλυση σημαντικότητας των χαρακτηριστικών εισόδου με τη χρήση του λογισμικού SPSS και τoν αλγόριθμο των δέντρων απόφασης, με σκοπό την εκτίμηση της συμβολής κάθε παραμέτρου στην παραγωγή του μεθανίου. Στην συνέχεια αξιοποιώντας την ανάλυση, έγινε αφαίρεση των δυο λιγότερο σημαντικών χαρακτηριστικών εισόδου και δημιουργήθηκαν δυο νέα μοντέλα με 11 και 10 χαρακτηριστικά, διατηρώντας την ίδια αρχιτεκτονική με το αρχικό μοντέλο. Στόχος αυτής της διαδικασίας ήταν να βρεθεί η επίδραση που έχει η αφαίρεση αυτών των χαρακτηριστικών στην απόδοση του μοντέλου. Το ανεπτυγμένο μοντέλο μπορεί να χρησιμοποιηθεί μελλοντικά για την γρήγορη πρόβλεψη της παραγωγής μεθανίου, αξιοποιώντας μόνο τις φυσικοχημικές παραμέτρους, τις συνθήκες προεπεξεργασίας και τις συνθήκες αναερόβιας χώνευσης. Η προσέγγιση αυτή συμβάλλει στην εξοικονόμηση χρόνου και πόρων και ενισχύει τη διαδικασία βελτιστοποίησης.