机构名称：
¥ 1.0
方法，具有人工神经网络（ANN）作为最常用的方法。在LCA研究中使用了受监督和无监督的ML技术。用于使用监督ML的研究，培训数据集来自不同的来源，例如文献，实验室实验，现有数据库和模型模拟。超过70％的这些审查研究培训了少于1500个样本数据集的ML模型。尽管这些审查的研究表明，ML方法有助于提高预测准确性，模式发现和计算效率，但多个领域值得进一步研究。首先，需要连续数据收集和组合来支持更可靠的ML和LCA建模。第二，未来的研究应报告有关ML模型选择标准的足够详细信息，并创建模型不确定性分析。第三，将深度学习模型评级为LCA具有进一步改善生命周期库存和影响评估的希望。最后，当前环境挑战的复杂性要求跨学科的合作研究，以将ML深入LCA融入LCA，以支持可持续发展。
a-review of machine-enarning-applications in life-cycle- ...
主要关键词
相关文件推荐
