Resumen

El tratamiento termoquímico es una técnica prometedora para la eliminación y valorización de la biomasa. Recientemente, el aprendizaje automático se ha utilizado ampliamente para predecir el rendimiento, la composición y las propiedades del biocarbón, el bioaceite, el gas de síntesis y las fases acuosas producidas por el tratamiento termoquímico de la biomasa. El ML demuestra un gran potencial para ayudar al desarrollo de procesos termoquímicos. El objetivo de la presente revisión es: 1) presentar los esquemas y estrategias de ML, así como los descriptores de las características de entrada y salida en los procesos termoquímicos; 2) resumir y comparar la investigación actual en el tratamiento termoquímico de la biomasa asistido por ML, tanto en húmedo (carbonización hidrotérmica/licuefacción/gasificación) como en seco (torrefacción/pirólisis/gasificación) (es decir, predecir los rendimientos, composiciones y propiedades de las fases aceite/carbón/gas/acuosa, así como el comportamiento o la cinética de la conversión térmica); y 3) identificar las lagunas y proporcionar orientación para futuros estudios sobre cómo mejorar el rendimiento predictivo, aumentar la generalizabilidad, ayudar a los estudios mecanísticos y de aplicación, y compartir eficazmente datos y modelos en la comunidad. Se prevé que el desarrollo de los procesos de tratamiento termoquímico de la biomasa se acelere enormemente gracias al ML en un futuro próximo.

• Materias:Gestión de residuos Biodegradación de residuos industriales Biomasa Biomateriales Conversión de residuos Lixividación
• Subjects:Waste management Factory and trade waste - Biodegradation Biomass Biomaterials Conversion of waste Leaching
• Palabras claves:Inteligencia artificial; Pirólisis; Conversión hidrotermal; Bioaceite; Carbón; Gas de síntesis
• Keywords:Artificial intelligence; Pyrolysis; Hydrothermal conversion; Bio-oil; Char; Syngas