基于机器学习的气固流化床最小流化速度预测
包国强1
顾维根1
穆维国1
周南1
崔森2
李志强3
李妍娇4
周恩会5
赵跃民5
董良5
1.国家能源集团新疆能源有限责任公司,新疆乌鲁木齐8300022.中国矿业大学人工智能研究院,江苏徐州2211163.中国矿业大学人工智能研究院,江苏徐州221116;中国矿业大学化工学院,江苏徐州2211164.中国矿业大学化工学院,江苏徐州2211165.中国矿业大学人工智能研究院,江苏徐州221116;中国矿业大学化工学院,江苏徐州221116;煤炭加工与高效洁净利用教育部重点实验室(中国矿业大学),江苏徐州221116
摘要：气固流化床以其高效、可灵活操作等优点广泛应用于煤化工、煤燃烧和煤炭分选等领域.最小流化速度作为气固流化床最主要的操作参数之一,与流化床的操作设计紧密相关.现有的最小流化速度预测模型大多为经验或半经验公式,其准确性和便捷性还存在较大问题.为准确预测气固流化床最小流化速度,基于机器学习建立气固流化床最小流化速度预测模型,并探索模型的内部信息.从颗粒性质与设备条件等方面综合考虑,研究气固流化床的最小流化速度,以系统评估对最小流化速度的综合影响.采用随机森林模型验证了其预测最小流化速度的可行性,并考察了设备参数、颗粒密度和颗粒粒度3个影响因素在预测最小流化速度时的相对重要性.结果 表明,最小流化速度与颗粒粒径、颗粒密度和床体直径均呈正相关,皮尔逊相关系数分别为0.79、0.31、0.14,颗粒粒径与最小流化速度相关性最强.随机森林能够根据颗粒性质(密度、粒度)与床体直径准确预测最小流化速度,模型的决定系数达到0.875.特征相关性分析揭示了各特征因素对目标变量的影响方式,颗粒粒度与最小流化速度相关性最强,为预测气固流化床最小流化速度提供借鉴.
关键词：机器学习气固流化床最小流化速度随机森林模型相关性分析
分类号：TQ53(煤化学及煤的加工利用)TK114(热能、热力工程)
资助基金：国家能源集团科技创新重大项目(GJNY2030XDXM-19-07.2)江苏省自然科学基金(BK20200087)
论文发表日期：2021-09-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 25-31 )
英文信息