Bestimmung von Isothermenparametern mit Hilfe des maschinellen Lernens

Abstract

Die Modellierung eines chromatographischen Prozesses ermöglicht die Bestimmung der optimalen Betriebsparameter für die Trennung der Komponenten eines Stoffgemisches mittels modellbasierter Optimierung.Voraussetzung für eine genaue Modellierung ist dabei die Kenntnis der stoffabhängigen Parameter des zugrunde liegenden physikalischen Modells,insbesondere der Adsorptionsisotherme. Die esstechnische Bestimmung der Isotherme ist zeit-und materialaufwändig und deshalb nicht generell durchführbar.Eine Bestimmung der Isothermenparameter aus Chromatogrammen mittels mathematischer Parameterschätzung hingegen senkt diesen Aufwand,hat jedoch den Nachteil der Abhängigkeit von guten Startwerten.Die hier vorgestellte Methode nutzt die Approximationsfähigkeiten von Support Vector Machines zur Bestimmung von Isothermenparametern aus wenigen Merkmalen von Chromatogrammen und erfordert derartige Startwerte nicht.