Оптимизация параметров выхода синтез-газа при совместной газификации агроотходов южного региона и углей Кыргызстана на основе ансамблевых алгоритмов деревьев решений

Ташполотов Ы. Абсамат кызы Г. Сулайман уулу З. Сабиров Б.З.

Журнал: Бюллетень науки и практики @bulletennauki

Рубрика: Технические науки

Статья в выпуске: 11 т.12, 2026 года.

Бесплатный доступ

Рассматриваются вопросы повышения эффективности термохимической конверсии смешанного сырья Южного Кыргызстана — высокозольных бурых углей (Алайский угольный район) и агроотходов (скорлупа грецкого ореха). Авторами предложена и теоретически обоснована прогностическая модель состава синтез-газа с использованием автоматизированных моделей деревьев решений (Decision Trees), базирующаяся на ансамблевых алгоритмах машинного обучения (CART, Random Forest). Особое внимание уделено выявлению синергетического каталитического эффекта щелочных и переходных металлов (K, Na, Ca, Mg, Mn, Fe), содержащихся в биомассе, на процесс газификации инертной угольной фракции. Установлено, что использование композитной смеси в пропорции 70% угля и 30% биомассы при температуре 900°C обеспечивает максимальный выход водорода (18,4%). Сравнительный анализ показал, что разработанная модель на основе деревьев решений превосходит традиционные термодинамические модели по точности (RMSE = 0,04, R² = 0,96) и обладает высокой степенью интерпретируемости для промышленного применения. Практические рекомендации включают интеграцию алгоритмов в системы управления мобильных газификационных установок для обеспечения энергетической автономности регионов.

высокозольный уголь \ биомасса \ Алайский угленосный район \ агроотходы \ Южный Кыргызстан

Короткий адрес: https://sciup.org/14139505

IDS: 14139505   |   УДК: 662.747:004.89   |   DOI: 10.33619/2414-2948/132/16

Optimization of Syngas Output Parameters in the Co-Gasification of Southern Region Agro-Waste and Kyrgyzstan Coals Based on Ensemble Decision Tree Algorithms

This article investigates the methods for improving the efficiency of thermochemical conversion of mixed feedstock from Southern Kyrgyzstan, specifically high-ash brown coals (Alay coal-bearing region) and agricultural waste (walnut shells). The authors propose and theoretically substantiate a predictive model for syngas composition using automated decision tree models based on ensemble machine learning algorithms (CART, Random Forest). Special attention is paid to identifying the synergistic catalytic effect of alkali and transition metals (K, Na, Ca, Mg, Mn, Fe) contained in the biomass on the gasification process of the inert coal fraction. It was established that using a composite mixture in a proportion of 70% coal and 30% biomass at a temperature of 900°C ensures a maximum hydrogen yield of 18.4%. Comparative analysis demonstrated that the developed decision tree-based model outperforms traditional thermodynamic models in terms of accuracy (RMSE = 0.04, R2 = 0.96) and possesses a high degree of interpretability for industrial applications. Practical recommendations include integrating these algorithms into the control systems of mobile gasification plants to ensure regional energy autonomy.