Catalytic thermal degradation of Chlorella vulgaris: Evolving deep neural networks for optimization

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26210%2F19%3APU134370" target="_blank" >RIV/00216305:26210/19:PU134370 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.sciencedirect.com/science/article/pii/S0960852419312015" target="_blank" >https://www.sciencedirect.com/science/article/pii/S0960852419312015</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.biortech.2019.121971" target="_blank" >10.1016/j.biortech.2019.121971</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Catalytic thermal degradation of Chlorella vulgaris: Evolving deep neural networks for optimization

Popis výsledku v původním jazyce

The aim of this study is to identify the optimum thermal conversion ofChlorella vulgariswith neuro-evolu-tionary approach. A Progressive Depth Swarm-Evolution (PDSE) neuro-evolutionary approach is proposed tomodel the Thermogravimetric analysis (TGA) data of catalytic thermal degradation ofChlorella vulgaris.Results showed that the proposed method can generate predictions which are more accurate compared toother conventional approaches (> 90% lower in Root Mean Square Error (RMSE) and Mean Bias Error (MBE)).In addition, Simulated Annealing is proposed to determine the optimal operating conditions for microalgaeconversion from multiple trained ANN. The predicted optimum conditions were reaction temperature of900.0 °C, heating rate of 5.0 °C/min with the presence of HZSM-5 zeolite catalyst to obtain 88.3% ofChlorellavulgarisconversion.

Název v anglickém jazyce

Catalytic thermal degradation of Chlorella vulgaris: Evolving deep neural networks for optimization

Popis výsledku anglicky

The aim of this study is to identify the optimum thermal conversion ofChlorella vulgariswith neuro-evolu-tionary approach. A Progressive Depth Swarm-Evolution (PDSE) neuro-evolutionary approach is proposed tomodel the Thermogravimetric analysis (TGA) data of catalytic thermal degradation ofChlorella vulgaris.Results showed that the proposed method can generate predictions which are more accurate compared toother conventional approaches (> 90% lower in Root Mean Square Error (RMSE) and Mean Bias Error (MBE)).In addition, Simulated Annealing is proposed to determine the optimal operating conditions for microalgaeconversion from multiple trained ANN. The predicted optimum conditions were reaction temperature of900.0 °C, heating rate of 5.0 °C/min with the presence of HZSM-5 zeolite catalyst to obtain 88.3% ofChlorellavulgarisconversion.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

20902 - Bioprocessing technologies (industrial processes relying on biological agents to drive the process) biocatalysis, fermentation

Projekt

<a href="/cs/project/EF16_026%2F0008413" target="_blank" >EF16_026/0008413: Strategické partnerství pro environmentální technologie a produkci energie</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2019

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

BIORESOURCE TECHNOLOGY

ISSN

0960-8524

e-ISSN

1873-2976

Svazek periodika

292

Číslo periodika v rámci svazku

121971

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

292

Strana od-do

1-9

Kód UT WoS článku

000485045400019

EID výsledku v databázi Scopus

2-s2.0-85070868058