Gépi tanulás segíthet csökkenteni a cementgyártás légszennyezését

A cementgyártás az ipari légszennyezés egyik legjelentősebb okozója, különösen a nitrogén-oxid (NOx) kibocsátás terén. Egy friss kutatás szerint egy új gépi tanulási keretrendszer segíthet a kibocsátások előrejelzésében és kontrollálásában — írja az arXiv előnyomtatott tanulmánya.

A jelenlegi ipari szabvány, a szelektív nem katalitikus redukció (SNCR) módszer alacsony ammóniafelhasználási hatékonysággal működik, ami működési ineffektivitásokhoz és megnövekedett reagensköltségekhez vezet. A kutatók egy adatvezérelt keretrendszert fejlesztettek ki a kibocsátás-szabályozásra, négy globális cementgyár nagyméretű működési adatait felhasználva.

A gépi tanulás hídjai

Kilenc különböző gépi tanulási architektúrát teszteltek, és azt tapasztalták, hogy az előrejelzési hiba 3-5-szörös eltérést mutatott a különböző gyárak között, az adatok gazdagságától függően. A rövid távú folyamattörténet beépítése közel megháromszorozta a NOx-előrejelzés pontosságát, ami azt jelzi, hogy a NOx-képződés jelentős folyamatmemóriával rendelkezik, ellentétben a CO és CO2 képződésével.

Légszennyezési áramlatok

A fejlesztett modellek képesek előre jelezni a NOx-túllépéseket akár kilenc perccel korábban, ami elegendő időt biztosít az üzemeltetési beállítások elvégzésére. A Siemens és a HeidelbergCement gyárakban végzett tesztek 2024. márciusra tervezett befejezését követően várhatóan a NOx-kibocsátás csökkenése a gépi tanulás segítségével.