ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
Extracting transferable design knowledge from Discrete Element Method (DEM) simulations remains challenging in granular material handling. We develop an explainable surrogate framework for two solar-panel-recycling subsystems: a silo discharge system (outlet width 42–111 mm; hopper half-angle 30–60°) and an inclined belt conveyor (fin height 20–50 mm; belt velocity 0.109–0.627 m/s). Five algorithms—Response Surface Methodology (RSM), Artificial Neural Network (ANN), Random Forest (RF), Gradient Boosting Machine (GBM), and Gaussian Process Regression (GPR)—were evaluated by leakage-free grouped five-fold cross-validation using 34 design points per system (22 factorial expanded by Latin Hypercube Sampling). The best surrogate is response-specific: ANN was most accurate for silo discharge (R2 = 0.964, RMSE = 0.91 kg/s); GPR gave the highest raw belt-MFR accuracy (R2 = 0.976 ± 0.023, RMSE = 0.43 kg/s), though the interpretable RSM was near-equivalent and was adopted for optimization; and RSM was near-perfect for belt discharge angle (R2 = 0.999 ± 0.001, RMSE = 0.057°). GPR performed the worst for silo discharge (R2 = 0.384), confirming the algorithm selection must match the response complexity. SHAP analysis identified outlet width (78.6%) and belt velocity (58.9–76.8%) as dominant predictors. The proposed SHAP Asymmetry Ratio (SAR) offers an exploratory diagnostic for algorithm pre-selection in expensive simulation-driven surrogate workflows.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 72/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: Solar Energy Systems and Technologies · Mineral Processing and Grinding · Granular flow and fluidized beds
บทบาทของนักวิจัยและสถาบันไทย
Suphatchakorn Limhengha · Supattarachai Sudsawat · Prince of Songkla University · Suratthani Rajabhat University · King Mongkut's University of Technology North Bangkok
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง