基于废物组成和机器学习的新方法来预测焚烧烟气度
Ya-Ping Qi1, Pin-Jing He2, Dong-Ying Lan1
1Institute of Waste Treatment & Reclamation, College of Environmental Science and Engineering, Tongji University, Shanghai, 200092, China.
机器学习根据废物成分准确预测固体废物焚烧的烟气污染物. 这种方法有助于优化焚烧过程,改善污染控制,以实现可持续的废物管理.
科学领域:
- 环境科学 环境科学
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 由于废物的复杂成分,固体废物焚烧会产生可变的烟气排放.
- 这种变化挑战了焚烧和污染控制系统的稳定运行.
研究的目的:
- 开发一种基于机器学习的方法,用于预测混合固体废物成分中的烟气污染物度.
- 分析废物特性对焚烧过程中的污染物产生的影响.
主要方法:
- 利用机器学习模型,包括极端梯度增强 (XGBoost),K-最近邻居 (KNN),随机森林 (RF) 和轻梯度增强机器 (LGBM).
- 采用特征工程来优化模型性能.
- 解释模型以了解废物组成和污染物形成之间的关系.
主要成果:
- 确定了影响污染物产生的主要废物成分:/塑料为CO, (N) 为NOx,硫 (S) 为SO2, (Cl) /PVC为HCl.
- XGBoost模型在预测CO2,CO,N2O,NO,SO2和HCl方面获得了高的R2验证分数 (0.94-1.00).
- 与KNN,RF和LGBM相比,XGBoost的预测准确度更高.
结论:
- 废物成分在焚烧过程中显著影响烟气污染物的产生.
- 开发的机器学习模型为废物焚烧厂提供了一个新的预测和优化工具.
- 调查结果指导了原料监管和焚烧参数调整,以提高效率和环境保护.
更多相关视频
07:24Combustion Chemistry of Fuels: Quantitative Speciation Data Obtained from an Atmospheric High-temperature Flow Reactor with Coupled Molecular-beam Mass Spectrometer
Published on: February 19, 2018
09:03Assessment of Methane and Nitrous Oxide Fluxes from Paddy Field by Means of Static Closed Chambers Maintaining Plants Within Headspace
Published on: September 6, 2018
相关概念视频
Flame Photometry: Lab
Flame Photometry: Overview
Gas Chromatography: Types of Detectors-II
Sample Preparation for Analysis: Advanced Techniques
Acid digestion with strong acids is commonly used to dissolve inorganic materials that are insoluble (do not dissolve) in water. This method can be useful for...
