การทำนายค่าความร้อนของขยะชุมชนด้วย Gradient Boosting Regression Tree ที่ปรับแต่งด้วย Slime Mould Algorithm
การทำนายค่าความร้อนของขยะชุมชนด้วย Gradient Boosting Regression Tree ที่ปรับแต่งด้วย Slime Mould Algorithm การทำนายค่าความร้อนของขยะชุมชนด้วย Gradient Boosting Regression Tree ที่ปรับแต่งด้วย Slime Mould Algorithm ปัญหาการจัดการขยะมูลฝอยหรือขยะชุมชนเป็นปัญหาสำคัญที่ทั่วโลกกำลังเผชิญ ปริมาณขยะที่เพิ่มขึ้นอย่างต่อเนื่องส่งผลกระทบต่อสิ่งแวดล้อมและสุขภาพของมนุษย์ หนึ่งในวิธีการจัดการขยะที่ได้รับความนิยมคือการนำขยะมาผลิตเป็นพลังงาน ซึ่งค่าความร้อน (Higher Heating Value - HHV) ของขยะเป็นปัจจัยสำคัญในการประเมินศักยภาพในการผลิตพลังงาน การคาดการณ์ค่า HHV ได้อย่างแม่นยำจึงมีความสำคัญอย่างยิ่ง งานวิจัย Energies, Vol. 17, Pages 4213 ได้นำเสนอแบบจำลองการทำนายค่า HHV ของขยะชุมชนโดยใช้ Gradient Boosting Regression Tree (GBRT) ที่ปรับแต่งด้วย Slime Mould Algorithm (SMA) ซึ่งเป็นวิธีการที่น่าสนใจและมีประสิทธิภาพ Gradient Boosting Regression Tree (GBRT) GBRT เป็นเทคนิคการเรียนรู้ของเครื่อง (Machine Learning) ที่มีประสิทธิภาพสูงในการทำนายค่าแบบต่อเนื่อง โดยเป็นการรวมเอาต้นไม้การตัดสิ...