Predicción mediante modelos de machine learning de la captura de CO₂ en zeolitas

Abstract

El presente Trabajo de Fin de Grado analiza la predicción de la capacidad de adsorción de dióxido de carbono (CO₂) en zeolitas mediante técnicas de Machine Learning. El incremento de las emisiones de CO₂ constituye uno de los principales problemas medioambientales actuales, lo que impulsa el desarrollo de tecnologías eficientes de captura y almacenamiento. En este contexto, la adsorción en materiales sólidos, especialmente en zeolitas, destaca por su elevada eficiencia, bajo consumo energético y facilidad de regeneración. El estudio aborda distintos tipos de zeolitas y examina la influencia de variables operativas como la temperatura, la presión y las características del material sobre el proceso adsorbente. Para ello, se realizó una recopilación sistemática de datos experimentales procedentes de la literatura científica, que posteriormente fueron tratados y utilizados como base para el entrenamiento de diversos modelos de regresión. Se evaluaron diferentes algoritmos de Machine Learning con el objetivo de identificar el modelo más adecuado para predecir la cantidad de CO₂ adsorbido. Los resultados permiten comparar el rendimiento de los modelos y determinar condiciones óptimas de operación. En consecuencia, el Machine Learning se consolida como una herramienta eficaz para optimizar procesos de captura de carbono y apoyar decisiones en ingeniería de procesos industriales.