سروش احمدی

گرانروی هیدروژن یکی از مهم ترین عوامل برای سیستم های حمل و نقل و ذخیره سازی هیدروژن به شمار می رود. از آنجایی که اندازه گیری گرانروی زمانبر و پرهزینه می باشد، استفاده از مدل های یادگیری ماشین میتواند به تخمین سریع این پارامتر حیاتی کمک کند. در این مطالعه از یک پایگاه داده شامل 1099 داده و مدل ها گرادیان تقویتی سبک و تقویت دسته ای مبتنی بر طبقه بندی جهت تخمین گرانروی بهره گرفته شد بر اساس نتایج این پژوهش روش تقویت دسته ای مبتنی بر طبقه بندی با ضریب همبستگی 9954/0 و مجذور مربع میانگین مربعات خطا 4090/0 عملکرد بهتری نسبت به گرادیان تقویتی سبک از خود نشان داد. همچنین استفاده از نمودارهای تلاقی نشان داده که هرچند هردو مدل عملکرد مطلوبی دارند اما در گرانروی های بالا ممکن است عملکرد آنها کاهش اندکی داشته باشد. پس از توسعه مدل ها برای بهترین مدل آنالیز حساسیت صورت گرفت و مشخص شد که دما بیشترین تاثیر را بر روی گرانروی دارد و در فشارهای پایین، فشار با گرانروی رابطه عکس دارد در حالی که فشارهای بالا عکس این فرایند صورت میگیرد.