近日，我校资源学院于龙课题组在国际性的工程技术期刊《International Journal of Hydrogen Energy》发表了题为“Prediction of hydrogen solubility in aqueous solution using modified mixed effects random forest based on particle swarm optimization for underground hydrogen storage”的研究论文，该研究论文介绍了一种提高地下储氢效率的有效方法，为氢地质埋存相关研究提供了重要理论依据。论文通讯作者为资源学院于龙副教授，第一作者为博士研究生Grant Charles Mwakipunda。

本论文旨在提高氢在水溶液中溶解度的预测精度。该研究开发了一种新的混合机器学习(ML)算法，其中粒子群算法-MERF表现出优越的性能，实现了高相关系数(R=0.9982)，均方根误差(RMSE)为0.0015，平均绝对误差(MAE)为0.00091，计算时间短(1.01秒)。在使用的EOS模型中，SRK的表现优于其他模型。结果表明，粒子群-MERF参数优化可获得更准确的氢溶解度预测，为安全和可持续的氢存储提供了理论依据。

International Journal of Hydrogen Energy是由Elsevier出版商出版的国际性的工程技术类期刊，中科院分区中为SCI二区期刊，致力于发表与工程技术相关的原创研究论文。

论文信息：

Title: Prediction of hydrogen solubility in aqueous solution using modified mixed effects random forest based on particle swarm optimization for underground hydrogen storage

Authors: Grant Charles Mwakipunda, Norga Alloyce Komba, Allou Koffi Franck Kouassi, Edwin Twum Ayimadu, Melckzedeck Michael Mgimba, Mbega Ramadhani Ngata, Long Yu

Source: International Journal of Hydrogen Energy

DOI: https://doi.org/10.1016/j.ijhydene.2024.09.054

论文链接: https://www.sciencedirect.com/science/article/pii/S0360319924037637?via%3Dihub