הקדמה: הגידול צריך עבור ניתוח פסולת

ניהול פסולת מודרני עומד מול לחץ גובר על נפח פסולת, הידוק תקנות סביבתיות, ואת דחיפה גלובלית לעבר כלכלה מעגלית.הבנת בדיוק מה יש בזרם פסולת - בין אם פסולת עירונית מוצקה, תוצרי לוואי תעשייתיים, או גרדטה אלקטרונית - הוא הבסיס לקידוד מחדש מחזוריות, התאוששות, וסילוק בעבר סוג ידני וניתוח כימי כפול יש חסרונות משמעותיים: הם פועלים איטיים, לעתים קרובות, ממריצים, כאשר הם מספקים שיטות פעולה אקספונקטיביות מתקדמות, כגון טכניקות לא סדירות, כגון טכניקות מורכבות, אשר מאפשרות, כלומר, כלומר, כלומר, כגון טכניקות מורכבות, חומרים כימיים, אשר מאפשרות, כלומר, כלומר, כלומר, כלומר, חומרים כימיים, כגון:

היישום של chemometrics בניתוח פסולת הוא לא רק תרגיל אקדמי; זה יותר ויותר פרוס מתקנים תעשייתיים מיון, תוכניות ניטור סביבתי ומוסדות מחקר. מחקרים הראו כי מודלים chemometric יכול לסווג סוגים פלסטיים עם יותר מ -95% דיוק באמצעות ספקטרום כמעט ללא עוררין, לחזות את הערך הרב של דלק מהנתונים ספקטרליים, לזהות עקבות conminants בחיישנים מתקדמים, כמו גם חיישנים למידה, כמו גם חיישנים מתקדמים.

מה הן טכניקות צ'מומטריות? A Deeper Look

Chemometrics היא משמעת שמוציאה מידע משמעותי ממערכות כימיות על ידי יישום כלים סטטיסטיים ומתמטיקה.זה מגשר הפער בין נתונים אנליטיים גולמיים - לעתים קרובות גבוה, רועש, קולני - וידע מעשי.הפילוסופיה הליבה היא לטפל בכל ספקטרלי, chromatographic, או תגובת חיישן כמו מריצה נתונים, ולאחר מכן להשתמש בניתוח רב-תחומי כדי לחשוף משתנים מאוחרים, דגימות דומות, ולבנות מודלים של תוקפנות:

ניתוח ראשוני (PCA)

PCA הוא השיטה הנפוצה ביותר בשימוש נרחב עבור הפחתת מימדיות.זה הופך את המשתנים המקוריים (למשל, סופגת במאות אורכי גל) לתוך קבוצה קטנה יותר של מרכיבים ראשיים אוטוקונים שלוכדים את השחלות המקסימלית בנתונים. בניתוח פסולת, PCA יכול לחשוף קבוצות טבעיות של חומרים (למשל, הפרדה פוליאתן מפוליפרן מבוסס על דיוקים סטריליים) ואפילו לזהות סוגים של חומרים מפלסטיקים מעורבבים.

כיכרות ליסטר (PLS) Regression

PLS היא טכניקה מבוקרת המתואמים את ממטריקס של צופים (למשל, נתונים ספקטרליים) עם משתנה תגובה של עניין (למשל, ריכוז של מתכת מסוימת, לחות או ערך חימום) הוא בונה משתנים מאוחרים כי למקסם את ההחלפה בין צופים ותגובה אינפרא אדום, המאפשר חיזוי חזק גם כאשר מספר החיזויים עולה על תצפיות.

ניתוח קלסטר (Hierarchical and K-Means)

ניתוח Cluster קבוצות דגימות המבוססות על דמיון ללא תוויות קודמות.התביעה ההיררכית מייצרת דשנים המציגות מערכות יחסים בין קטגוריות פסולת, בעוד k-means מחלק נתונים למספר מוגדר מראש של אשכולות.שיטות אלה מסייעות במיין פסולת לטיפוסים רחבים - למשל, עשיר אורגני לעומת שבריריות עשירות פלסטיק - ויכולות לזהות תת-אגוורות בתוך סוג של פסולת שעשויה לדרוש תהליכים שונים.

שיטות קידוד אחרות

(ב) כלים נוספים כוללים מודל עצמאי של אנלוגיה (SIMCA) ראשי תיבות של FLT:2Support Vector Machines (SVM)uaFLT 3 עבור סיווג עם גבולות לא ליניאריים, FLT:4A רשתות ניאל מלאכותיות (ANN)FLT5 עבור דגימות מורכבות, 000 העצמה וסימנים של פסולת (Fivervalial Analysis) ל-R.

יישומים מרכזיים של Chemometrics בניתוח חיקוי פסולת

הגמישות של שיטות chemometric מאפשרת פריסה על פני פלטפורמות אנליטיות מרובות. להלן הן היישומים הנפוצים ביותר, עם דגש על יישום מעשי ותוצאות.

ניתוח נתונים ספציפי: NIR, Raman, LIBS ו FTIR

טכניקות ספציפיות (spectroscopic) מייצרות נתונים מסיביים - לעתים קרובות מאות עד אלפי משתנים לדגימה - ביצוע chemometrics חיוני עבור פרשנות.FLT:0Near-infrared (NIR) spectroscopyFLT 1 בשילוב עם PCA ו- PLS הוא עבודת צוות בניהול אוטומטי של מתקנים אופטיים מסחריים להשתמש NIR ו- תסמינים כדי להבחין בין HDF2, לדוגמה, כגון papate HD-ptra סטנדרטי, אשר ניתן ל-pate HD, לדוגמה, ל-pT2, PT2, ®, ®, ®STFPT2, ®, LT-pTRAST, לדוגמה, ®, ®, ® סטנדרטי, ®, ®, ®STFST, ®, ®, LT-pT2, לדוגמה, ®, ®, LT-pT.

(ב) ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

נתונים Chromatographic: GC-MS ו-HPLC

(GC-MS) משמש לעתים קרובות לנתח תרכובות אורגניות נדחות (VOCs) בפסולה, כגון ריחנים מקרקעות או פליטות במהלך חיזוי. Chromatographic נתונים מורכבים, עם מגבלות של פליטה (Crelimate) ושפעי ספקטרום מסיביים המהווים מערך תלת-ממדי כמו LTF:0ulating (Fericial Analysis) ו-Fternate (Ferta-Fercate)

חיישנים אריות ואלקטרוניקה

האף האלקטרוני (e-noses) מורכב ממערך של חיישנים כימיים (מדיום metal, ביצוע פולימרים וכו ') המייצר דפוס תגובה לתנודתיות חלליות.שיטות זיהוי דפוס Chemometric -PCA, LDA (Linear Discriminant Analysis), ורשתות עצביות - סיווג סביר של סוגי פסולת המבוססים על טביעות אצבע.זה הוחל על סוג של ביודה שלא ניתן להעריך ממתקנים בעלי יכולת מדידה ופסולת בגרות.

המונחים: Hyperspectral Imaging

הדמיה היפר-ספקטרום (HSI) משלבת מידע מרחבי וספקטרלי, ומייצרת היפר-cube של נתונים.כלים Chemometric כמו PCA ו- MCR יכולים להפחית את המימדליות וליצור מפות סיווג המציגות את ההפצה של חומרים שונים על פני חגורת העברה. HSI עם chemometrics משמש יותר ויותר עבור סוג של בנייה ופסולת, פסולת, ו e-re-repare-a-a-a-wass, המאפשר הפרדה אמיתית של חומרים דומים אפילו חומרים דומים.

מחקרים ויישומים אמיתיים

כדי להמחיש את הכוח המעשי של chemometrics בניתוח פסולת, לשקול את הדוגמאות הבאות.

פלסטיק מיון עבור Recycling

מתקן מחזור גדול באירופה פרוס NIR spectrometers יחד עם מודל PLS-DA מאומן בספריה של 50+ סוגי פולימרים.המערכת הפחיתה שיעורי הפחתה לא נאותה מ 8% (מילולי) ל-1.5%, הגדלת הטוהר של PET ו- HDPE Bles ל > 99%.המודל עודכן ברבעון באמצעות הזנת פסולת חדשנית כדי לשמור על דיוק כמו אריזות NFD.

תכונות של פסולת אורגנית עבור Biogas הפקה

צמחי העיכול אנאירוביים דורשים ידע של הרכב המזינים - פחמימות, חלבונים, לימפופטיים - כדי לייעל את התשואות המתאן.מודלים PLS שנבנו על FTIR spectra יכול לחזות רכיבים אלה בתוך דקות במקום ימים של כימיה רטובה. A מחקר ב-FLT:0Bioresource טכנולוגיה FLT:1 בשימוש PLS על נתונים באמצע-IR כדי לחזות את הפוטנציאל הביוכימי (B) עם מספר ספקים אמיתיים של מזון, עכשיו, 000.

Metal Recovery from Electronic Waste

לוחות מעגלים מודפסים מכילים תערובת מורכבת של מתכות (Cu, Au, Ag, Pd, Pb, סנ, וכו ') LIBS spectra בשילוב עם תוקפנות PLS יכול לכמת מתכות יקרות בדלפק e-waste. במפעל אחד, מודל chemometric באמצעות נתונים LIBS מ 200 דגימות חזו זהב עם טעות יחסית של 8%, המאפשרת התאוששות סלקטיבית ופחתת השימוש הידרומטר.

היתרונות של טכניקות Chemometric על פני שיטות מסורתיות

המעבר לקראת ניתוח פסולת מונחה על ידי chemometric מביא יתרונות משמעותיים:

  • (FLT:0Speed ו-Tputture: FLT:1 מדידות ספקטרליות לוקח שניות, מודלים סכימומטריים סיווג חד פעמי או קוונטית במלי שניות, המאפשר ניטור קונטי על חגורות העברה נעות ב 3 מ"מ / s.
  • (FLT:0) דיוקנות ודיוק: FLT:1 שיטות רב-תחומיות לנצל את כל המידע הספקטרוםי הזמין, לעתים קרובות להוציא קלמנט לא רצוי או סף פשוט, במיוחד עבור תערובת רב-תחומית.
  • ניתוח לא-מארגן: FLT:1 ספקטרום ודמיון אינם דורשים עיכול מדגם או רטינים כימיים, שמירה על חומר לעיבוד נוסף וצמצום הפסולת המשנית.
  • (FLT:0) מידע מורכב, רב-ממדי: ⁇ 1) צ'מומטרי יכול להוציא אות מרעש, להתמודד עם קולינאריות, ומודל יחסים לא ליניאריים שחשפו גישות סטטיסטיות מסורתיות.
  • (FLT:0) ,Adaptability ו-החזקה: FIRLT:1 מודלים ניתן לעדכן עם דגימות חדשות כמו קומפוזיציה פסולת מתפתח (למשל, וריאציות עונתיות, חומרי אריזה חדשים), שמירה על ביצועים לאורך זמן.
  • (FLT:0) חינוך סובייקטיביות אנושית: FLT:1 סיווג אוטומטי מבטל הטיה ממיין חזותי ומפחית עייפות של מפעיל.

יתר על כן, הנתונים שנוצרו על ידי מודלים chemometric יכולים להאכיל מערכות ניהול רחבות יותר - מודלים כלכליים, הערכות מחזור חיים ואלגוריתמים אופטימיזציה - מתן ראייה הוליסטית של יעילות טיפול פסולת.

אתגרים ומגבלות

למרות הכוח שלהם, טכניקות כימומטריות אינן ללא מכשולים בניתוח הרכב פסולת.

עיבוד נתונים ומודל Calibration

נתונים ספקטרליים של Raw מכילים לעתים קרובות סחף בסיס, פיזור אפקטים, ורעש.צעדים (התחילה, נורמליזציה, חלקה, חישוב נגזר) הם קריטיים אבל יכול להיות ספציפי במקרה. בחירת preprocessing לא נכון יכול להציג חפצים או להסיר מידע כימי. Calibration דורש סט מייצג של דגימות התייחסות עם אמת קרקע מדויקת - תוך שמירה על הפניות כאלה הוא זמן-conuming יקר ויקר במיוחד עבור פסולת.

אפקטים ואפקטים של מטריקס

זרמי פסולת הם משתנים מטבעם: תכולת לחות, גודל חלקיקים, מרקם פני השטח, וזיהום יכול לשנות באופן דרסטי את התגובות ספקטרליות.מודל מאומן על בקבוקי פלסטיק נקיים עלול להיכשל כאשר חלים על דגימות מלוכלכות, מחוספסות או מזג אוויריות.מודלים של רובוסט דורשים בדיקות הכשרה נרחבות המכסות את טווח הצפוי של ריקנות, הדורשות מאמצי איסוף נתונים גדולים.

העברת מודלים והתאמה

מודל chemometric שפותח על כלי אחד עשוי לא להופיע זהה על זה בגלל הבדלים ברגישות גלאי, היערכות באורך גל, או תנאים סביבתיים.טכניקות כמו סטנדרטיזציה ישירה של פיסת שומן (PDS) יכול לתקן עבור סחף כלי אבל להוסיף מורכבות. בדומה, העברת מודלים בין סוגי פסולת שונים (למשל, מהבית לבזבוז תעשייתי) דורש לעתים קרובות אימון או תיקון עדין.

אחריות ו קבלה רגולטורית

מודלים Chemometric, במיוחד רשתות עצביות, נראים לעתים קרובות כ"קופסאות שחורות", מקשים להסביר תחזיות הרגולטורים או בעלי עניין שאינם בעלי עניין של קידוד.עבור ניתוח פסולת המשמש לדיווחים (למשל, תוכן פחמן ביוגני תחת האיחוד האירופי Emissions Trading Scheme), שיטות שקופות, מאומתות נדרשות.PCA ו- PLS מציעים יותר מטעני טעינה וציונים, אבל אלה עשויים להיות מאתגרים או לערער בהקשרים משפטיים או ביקורתיים.

כיוונים עתידיים: AI, Real-Time Monitoring, ו- Portable Sensors

גל החדשנות הבא בניתוח פסולת סכימומטרי עשוי להיות מונע על ידי שלוש מגמות.

שילוב עם Deep Learning

רשתות עצביות מהפכתיות (CNN) ואדריכלות למידה עמוקה אחרות יכולות ללמוד תכונות היררכיות ישירות מנתוני ספקטרום גולמי או תמונה, לעתים קרובות על chemometrics מסורתיים דיוק עבור משימות מורכבות.לדוגמה, CNN החלים על תמונות היפר-ספקטרוםיות של פסולת בנייה מושגת 99.2% דיוק סיווג עבור 12 קטגוריות חומר.עם זאת, למידה עמוקה דורשת נתונים מתוייגים גדולים מאוד ומשאבים חישוביים משמעותיים; גישות היברידיות עם פתרונות משולבים עם אופטימיזציה.

זמן אמת, בקרת תהליכים

ספקטרום מיני-אירוי (למשל, חיישנים מבוססי MMS) ומודלים מבוססי-ענן המבוססים על chemometric מאפשרים ניתוח פסולת בזמן אמת בכל שלב של שרשרת הטיפול. נתונים ממכונות מיון, מעיכולים ומכשירים יכולים להיות מזינים למודלים אדפטיים שמתאימים פרמטרים של תהליך - זרימת אוויר, טמפרטורה, זמן מגורים - כדי לייעל אנרגיה או להפחית פליטות סגורות אלה כדי להבטיח בקרת אנרגיה יעילה יותר וחיסכון באנרגיה.

ניתוח אלקטרוניקה ונקודת-of-Need Analysis

מחזיק ידני Raman ו LIBS מכשירים עם chemometrics על הסיפון לאפשר לעובדים שדה לזהות חומרים מסוכנים, סוג e-waste בנקודות איסוף, או לאמת עמידה בסטנדרטים מחזוריים.כלים כאלה להעצים מגזרים בלתי רשמיים והגדרות קוד נמוך, שיפור ניהול פסולת ברחבי העולם. קבוצות מחקר מפתחים מערכות ספקטרליות מבוססות טלפונים חכמים עם מדדי ענן עבור ביקורת פסולת.

מסקנה: עמוד של ניהול פסולת מודרני

טכניקות בזבזומטיות התפתחו מכלים אקדמיים נישה לרכיבים חיוניים של אפיון פסולת מסחרית ומערכות מיון.על ידי מתן ניתוח מהיר, מדויק ולא הרסני של זרמי פסולת מורכבים, הם תומכים במעבר לעבר כלכלה מעגלית שבה חומרים התאוששו ביעילות ומזהמים מצטמצם.האתגרים - איכות נתונים, תחזוקה מודל ופירושיות - מטופלים באמצעות מחקר מתמשך, מאמצי מודרניזציה, והתקדמות AI הם רק לטובתם של אנשי מקצוע בתחום ניהול משאבים סביבתיים, מאשר להיות יעיל יותר ויותר.

(ב) עיין בשיטות ה-chemometric בניתוח סביבתי, ראה (FLT:0) chemometrics Review of chemometric Methods in Environmental Analysis, and for recent Research on Wasteion:0 (Wikipedia's chemometrics Review) chemometrics Review of PLSFLT 3 , LT4CS Testing (D) LT5) LT5) , , , ,4.