zum Inhalt


Aleksandr Fedorov

CO2 Fischer-Tropsch synthesis : unleashing the power of data science and machine learning for sustainable hydrocarbon production

Universität Rostock, 2024

https://doi.org/10.18453/rosdok_id00005013

Abstract: Die vorliegende Arbeit konzentriert sich auf die Anwendung moderner Methoden der Datenwissenschaft und des maschinellen Lernens (ML) zur Untersuchung der CO2-Hydrierung zu höheren Kohlenwasserstoffen, auch bekannt als CO2-Fischer-Tropsch-Synthese (CO2-FTS). Diese Methoden wurden zur Literaturanalyse von CO2-FT-Katalysatoren und zur Entwicklung kinetischer Modelle mit neuronalen Netzen verwendet. Neue Ansätze zur Datennormalisierung und verbesserte ML-Modelle, die chemisches und verfahrenstechnisches Wissen einbeziehen, wurden entwickelt, um mit begrenzten und kleinen Daten umgehen zu können.

Dissertation   Freier Zugang