基于生物质特征和热解条件的机器学习预测生物炭的更高加热值
Minghong Wang1, Yingpu Xie2, Yong Gao3
1College of Engineering, Nanjing Agricultural University, 40 Dianjiangtai Road, Nanjing 210031, China.
Bioresource technology
|January 23, 2024
概括
预测生物炭的时间
科学领域:
- 生物质能源转换生物质能源转换
- 材料科学 材料科学 材料科学
- 机器学习应用 机器学习应用
背景情况:
- 生物炭的更高的加热值 (HHV) 对生物质能源利用至关重要.
- 准确预测生物炭HHV需要了解生物质特征和热解条件.
研究的目的:
- 开发生物炭HHV的预测模型.
- 确定影响生物炭HHV的关键因素.
- 建立高HHV生物炭生产的最佳条件.
主要方法:
- 利用极端梯度增强回归 (EGBR) 和人工神经网络 (ANN) 进行高温病毒预测.
- 开发了用于比较分析的经验相关性.
- 用Shapley添加式解释 (SHAP) 和部分依赖图 (PDP) 来进行特征重要性分析.
主要成果:
- EGBR模型表现出卓越的性能,R2值在0.83到0.94.9之间.
- 红素含量和原料HHV被确定为生物炭HHV的关键积极预测因素.
- 最佳的热解条件包括高HHV生物炭的温度>550°C和红素含量>40 wt%.
结论:
- 机器学习模型,特别是EGBR,提供了对生物碳HHV的可靠预测.
- 素含量和热解温度是优化生物炭能量产量的关键参数.
- 开发了一个预测工具,促进了针对能源应用的生物炭生产.
