【Objetivo】 Os sistemas de pré-tratamento para captura de carbono enfrentam problemas como alto consumo de energia, altos custos operacionais e eficiência de purificação instável, sendo que as flutuações do valor de pH do líquido de lavagem afetam significativamente a eficiência de absorção de SO2. Com base no sistema de pré-tratamento de captura de carbono de uma usina, foi proposta uma metodologia híbrida de modelagem que integra um modelo mecanicista com uma abordagem orientada a dados. 【Método】 Este método combina a cinética química mecanicista e o algoritmo de aprendizado de máquina de árvore de decisão, utilizando ferramentas Python para construir o modelo, prevendo com precisão parâmetros-chave, como o valor de pH do líquido de lavagem e a concentração de massa de emissão de SO2 na saída, validado com dados reais de operação. 【Resultados】 Os resultados mostram que os coeficientes de correlação do modelo para o valor de pH e a concentração de massa de emissão de SO2 na saída foram 0,85 e 0,80, respectivamente, refletindo um bom desempenho de simulação. Baseado em dados reais de operação, foi realizada análise de sensibilidade nos principais parâmetros operacionais, como temperatura do gás de entrada, taxa líquido-gás e quantidade de adição de solução alcalina, demonstrando que o modelo apresentou boa capacidade de acompanhamento. 【Conclusão】 Este modelo fornece uma base teórica para a otimização do processo, redução do consumo de energia e operação estável do sistema de pré-tratamento para captura de carbono.

captura de carbono; pré-tratamento de gás de combustão; modelagem mecanicista; orientado a dados; previsão do valor de pH