Para predecir la eficiencia y la actividad del catalizador en condiciones de funcionamiento fijas, utilizados en la descontaminación de los gases de escape a través de la reacción de reducción selectiva de catalizadores (SCR), este artículo analiza las características asociadas entre las propiedades del proceso SCR y las características geométricas y fisicoquímicas del catalizador. Utilizando un análisis de correlación matricial, un análisis de componentes principales (PCA) para simplificar los parámetros de entrada, se propone un modelo predictivo mejorado de la red neuronal. Después de entrenar un gran volumen de datos, se estableció un modelo predictivo de la red neuronal PCA-LMBP para la eficiencia y la actividad de los catalizadores, y este modelo se utilizó para simular las predicciones de los datos reales. Los resultados de la predicción en comparación con los valores reales muestran que el modelo predictivo de la red neuronal PCA-LMBP tiene una precisión alta y es instructivo para las pruebas de rendimiento de los catalizadores de descontaminación de gases de escape, el control de calidad y los servicios técnicos relacionados.

SCR: descontaminación de gases de escape; catalizador; análisis de componentes principales; red neuronal LMBP; eficiencia de descontaminación; características tecnológicas; actividad