خانم سپیده جعفری دانش آموخته مقطع کارشناسی ارشد رشته بهداشت حرفه ای در پایان نامه خود با عنوان "بررسی حذف CO₂ با استفاده از جاذب های سطحی مبتنی بر یادگیری ماشینی" اشاره کرد با افزایش آلودگی هوا به دلیل توسعه سریع شهرنشینی، صنعتی شدن و تردد وسایل نقلیه، میزان CO₂ در جو بالا رفته و این موضوع مشکلات زیست محیطی را تشدید کرده است؛ که برای کاهش CO₂ توسعه روشهای جذب و ذخیره کربن (CCS) توسعه یافته‌اند؛ با این حال، خواص مورفولوژیکی و عناصری متنوع جاذب ها، شرایط مختلف جذب، درک پیچیدگی های جذب CO₂ را به چالش می‌کشد. برای بهتر شدن درک این موضوع در این پژوهش، مدل های مبتنی بر یادگیری ماشین (جنگل های تصادفی، ماشین های بردار پشتیبان، شبکه های عصبی مصنوعی) برای پیش‌بینی ظرفیت جذب CO₂ و تجزیه و تحلیل اهمیت نسبی خواص فیزیکوشیمیایی ایجاد شد. در این تحقیق همبستگی قوی مثبت بین غلظت جذب CO₂ و فشار (Corr =0.82) و همبستگی قوی منفی بین غلظت جذب CO₂ و دما (Corr =0.65) مشاهده شد. این دو متغیر به عنوان موثرترین عوامل بین متغیرهای این تحقیق، در جذب CO₂ شناسایی شدند اما اثر سایر متغیرها معنی دار نبود. شبکه عصبی مصنوعی بهترین الگوریتم برای بررسی حذف CO₂ طبق مجموعه داده های این تحقیق با R²=0.9 شناسایی شد.

کلیدواژه‌ها : جذب CO₂، یادگیری ماشینی، جاذب های سطحی، شبکه عصبی مصنوعی، مدلسازی