人工智慧(Artificial intelligence)是當今受到高度關注的科技之一。而機器學習屬於人工智慧的子領域，讓機器(電腦)透過檢視足夠數量的資料與學習後，找出規則並進行預測。深度學習則是機器學習的分支，深度學習是一種以人工神經網路為架構，對資料進行表徵學習的演算法。文獻上已有機器學習應用於燃燒過程控制之應用研究，顯示出人工智慧在燃燒工程的發展潛力，本實驗團隊將機器學習的技術應用於鼓泡式流化床(BFB)燃燒污染排放預測，目前執行國內石化大廠的委託案，利用機器學習針對其廢棄物焚化爐排放汙染預測進行評估。
|
|
Mean Absolute Error |
Mean Squared Error |
R2 |
|
O2 (%) |
0.142 |
0.044 |
0.94 |
|
CO2 (%) |
0.112 |
0.029 |
0.99 |
|
CO (%) |
5.290 |
0.601 |
0.77 |
|
NOx (ppm) |
2.970 |
0.186 |
0.93 |
|
SO2 (ppm) |
0.483 |
0.029 |
0.99 |
(BFB汙染排放之預測結果)
