Configuración Experimental y Modelo de Predicción Basado en Aprendizaje Automático para la Eficiencia del Filtro Electro-Ciclón: Filtración de las Emisiones de Material Particulado de Buques
Autores: abanovi, Aleksandr; Matijoius, Jonas; Marinkovi, Dragan; Chlebnikovas, Aleksandras; Gurauskis, Donatas; Gutheil, Johannes H.; Kilikeviius, Artras
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Configuración Experimental y Modelo de Predicción Basado en Aprendizaje Automático para la Eficiencia del Filtro Electro-Ciclón: Filtración de las Emisiones de Material Particulado de Buques
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Emisiones de barcos
Calidad del aire
Material particulado
Políticas de control de emisiones
Riesgos para la salud
Tecnologías de purificación del aire
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Las emisiones de los barcos impactan significativamente la calidad del aire, particularmente en regiones costeras y portuarias, contribuyendo a concentraciones elevadas de PM, y PM, con efectos variables observados en diferentes ubicaciones. Este estudio investiga la efectividad de las políticas de control de emisiones, las contribuciones específicas de puertos y áreas interiores a la contaminación del aire, y los riesgos para la salud que plantea el material particulado (PM). Un modelo de discontinuidad de regresión en el puerto de Ningbo reveló que las actividades de los barcos muestran variaciones moderadas de PM y PM. En el puerto de Busan, los barcos de contenedores representaron la mayoría de las emisiones, con costos sociales de los contaminantes estimados en 31.55 millones de dólares anuales. La navegación interior cerca del río Yangtsé demostró contribuciones significativas de PM, enfatizando los impactos regionales. Se destacaron los riesgos para la salud del PM, un importante contaminante tóxico global, con vínculos a trastornos respiratorios, cardiovasculares y cognitivos. Los avances en tecnologías de purificación del aire, incluidos los sistemas de filtración electrostática híbridos, han mostrado una eficiencia prometedora en la eliminación de partículas submicrónicas y gases tóxicos, reduciendo los costos de energía. En este documento, un modelo de aprendizaje automático de bosque aleatorio desarrollado para predecir las concentraciones de partículas después de la limpieza demostró un rendimiento robusto (MAE = 0.49 P/cm, = 0.97). Estos hallazgos subrayan la necesidad crítica de controles de emisiones estrictos, sistemas de filtración innovadores y monitoreo integral para mitigar los impactos ambientales y en la salud de las emisiones de los barcos.
Descripción
Las emisiones de los barcos impactan significativamente la calidad del aire, particularmente en regiones costeras y portuarias, contribuyendo a concentraciones elevadas de PM, y PM, con efectos variables observados en diferentes ubicaciones. Este estudio investiga la efectividad de las políticas de control de emisiones, las contribuciones específicas de puertos y áreas interiores a la contaminación del aire, y los riesgos para la salud que plantea el material particulado (PM). Un modelo de discontinuidad de regresión en el puerto de Ningbo reveló que las actividades de los barcos muestran variaciones moderadas de PM y PM. En el puerto de Busan, los barcos de contenedores representaron la mayoría de las emisiones, con costos sociales de los contaminantes estimados en 31.55 millones de dólares anuales. La navegación interior cerca del río Yangtsé demostró contribuciones significativas de PM, enfatizando los impactos regionales. Se destacaron los riesgos para la salud del PM, un importante contaminante tóxico global, con vínculos a trastornos respiratorios, cardiovasculares y cognitivos. Los avances en tecnologías de purificación del aire, incluidos los sistemas de filtración electrostática híbridos, han mostrado una eficiencia prometedora en la eliminación de partículas submicrónicas y gases tóxicos, reduciendo los costos de energía. En este documento, un modelo de aprendizaje automático de bosque aleatorio desarrollado para predecir las concentraciones de partículas después de la limpieza demostró un rendimiento robusto (MAE = 0.49 P/cm, = 0.97). Estos hallazgos subrayan la necesidad crítica de controles de emisiones estrictos, sistemas de filtración innovadores y monitoreo integral para mitigar los impactos ambientales y en la salud de las emisiones de los barcos.