• Бачурин Роман Михайлович, Тюменский государственный университет (Тюмень, Россия)
• Захарова Ирина Гелиевна, Тюменский государственный университет (Тюмень, Россия)

В статье представлены результаты исследования, направленного на разработку и программную реализацию методов математического моделирования процесса пиролиза растительной биомассы. Основная цель работы заключается в создании интеллектуальной системы анализа экспериментальных данных, которая позволяет исследовать технологические параметры процесса пиролиза. Ключевые компоненты разработанной системы включают: комплекс моделей машинного обучения (значения метрик качества моделей RMSE < 3.9, R² > 0.8) для прогнозирования выхода конечных продуктов пиролиза; инструменты анализа кривых дифференциальной сканирующей калориметрии (ДСК) и оценки теплового эффекта реакций; подсистему идентификации и визуализации термогравиметрических (ТГ) и ДСК кривых. Обучение прогнозных моделей проводилось на выборке (750 записей), составленной из открытых наборов данных о натурных экспериментах пиролиза растительного сырья. В качестве целевых переменных выступали процентное содержание твердых, жидких и газообразных веществ в конечных продуктах пиролиза. Независимые переменные включали физико-химические характеристики сырья и параметры процесса пиролиза. Практическая значимость исследования определяется возможностью более глубокого понимания процессов разложения биомассы. Разработанная система предоставляет исследователям и технологам комплексные инструменты для анализа и идентификации ДСК кривых, что облегчает интерпретацию экспериментальных данных. Научная новизна работы заключается в создании единой платформы поддержки исследований на основе интеграции методов машинного обучения с традиционными подходами к анализу процесса пиролиза. Это дает возможность существенно повысить точность прогнозирования и оптимизировать процесс пиролиза с точки зрения получения конечных продуктов. Результаты исследования могут найти применение в научных исследованиях в области термохимических процессов, в прикладной биоэнергетике, химической промышленности и других областях, связанных с переработкой биомассы методом пиролиза. Перспективы развития системы связаны с расширением базы данных ДСК кривых, улучшением алгоритмов машинного обучения и интеграцией дополнительных методов анализа экспериментальных данных для детальной интерпретации процесса пиролиза с учетом его динамики.

пиролиз биомассы, математическое моделирование, машинное обучение, нейронные сети, дифференциальная сканирующая калориметрия

2026-03-05