通过机器学习和响应面方法对原位和离位微波催化共热解制备酚类生物油的工艺进行了比较研究

《Bioresource Technology》：A comparative study on in-situ and ex-situ microwave catalytic co-pyrolysis for phenolic bio-oil production through machine learning and response surface methodology

　　

艾哈迈德·埃尔赛义德·马哈茂德·福达（Ahmed Elsayed Mahmoud Fodah）|艾哈迈德·马哈茂德·艾哈迈德（Ahmed Mahmoud Ahmed）|刘夏宇（Xiayu Liu）|刘菊萍（Juping Liu）|苏珊·A·斯瓦利姆（Suzan A. Swalim）|塔哈·阿卜杜勒法塔赫·穆罕默德·阿卜杜勒瓦哈布（Taha Abdelfattah Mohammed Abdelwahab）|薛培轩（Peixuan Xue）|邵景盖（Jingai Shao）|王先华（Xianhua Wang）|杨海平（Haiping Yang）

• •
  在微波加热条件下，CS和RH的共热解提高了酚类物质的选择性。
• •
  体外气相Fe-生物炭处理显著提高了富含酚类的生物油的产率。
• •
  原位Fe-生物炭微波热解提高了加热速率以及气体/生物炭的热值（HHV）。
• •
  RSM优化了操作条件，实现了高精度的酚类产率预测。
• •
  机器学习（ML）模型捕捉了非线性过程行为，为RSM优化提供了补充。