将多个特征工程方法与CatBoost算法集成,用于从生物质热解生物油中预测和解释生物油中的成分
Xiaorui Liu1, Mingzhu Wang1, Haiping Yang2
1School of Mechanical and Energy Engineering, Zhejiang University of Science and Technology, Hangzhou, China.
Bioresource technology
|October 19, 2025
概括
这项研究开发了一个新的框架,使用CatBoost来从生物质特性中预测生物油中的成分 (NC). 该模型准确地预测了NC的形成,有助于对各种应用的生物油质量监管.
科学领域:
- 生物质转化和生物能源研究.
- 化学工程和材料科学.
- 环境科学和污染控制.
背景情况:
- 生物油中的成分 (NC) 是有价值的,但由于NOx前体行为而存在问题,使生物油的利用复杂化.
- 了解NC形成对于为特定应用量身定制生物油质量至关重要.
- 现有的实验数据多样性在预测NC形成方面存在挑战.
研究的目的:
- 开发一个可靠的框架来预测和解释生物油中NC的形成.
- 为了将生物质特性和热解条件与NC生成相关联.
- 通过准确的预测建模,加强生物油质量控制.
主要方法:
- 集成先进的功能工程技术与CatBoost算法.
- 开发一种新的PLS-CatBoost框架,用于预测石油总含量.
- 使用PCC-CatBoost框架来预测特定的NC物种.
- 统计分析以确定影响NC形成的关键生物质特征.
主要成果:
- 生物油中的NC主要由N-异环化合物组成,其次是胺基/胺基和基.
- 该PLS-CatBoost和PCC-CatBoost框架实现了高的预测准确性 (R2>0.94).
- 生物质含量被确定为NC形成的主导,积极影响的特征.
- 在实验验证中,PLS-CatBoost模型表现出卓越的预测性能,具有最小的特征.
结论:
- 开发的基于CatBoost的框架准确地预测和解释了生物油中成分的形成.
- 生物质含量是控制热解过程中产生的NC类型和数量的关键因素.
- 这种预测方法为优化生物油生产和质量管理提供了有价值的工具.
