多源有机固废热解特性研究与预测分析
张子杭1
邢博1
马中青2
胡艳军3
张志霄4
袁世震5
卢如飞5
陈颖泉5
王树荣1
1.浙江大学 能源高效清洁利用全国重点实验室,浙江 杭州 3100272.浙江农林大学 化学与材料工程学院,浙江 杭州 3113003.浙江工业大学 能源与动力工程研究所,浙江 杭州 3100144.杭州电子科技大学 机械工程学院,浙江 杭州 3100185.金华宁能热电有限公司,浙江 金华 321000
摘要：通过实验方法测定多源有机固废的热化学转化特性通常是耗时且劳力密集的过程,借助机器学习的方法可以挖掘不同原料特性与基本热化学转化特性之间的关联机制,并快速进行预测分析.构建了一个综合数据库,其中包含38 种工业有机固废基本特性及热解特性信息.通过描述性统计分析、相关性分析以及主成分分析(PCA),深入探究了数据库的总体规律.进一步采用随机森林(RF)、梯度提升树(GBDT)和极限梯度提升树(XGBoost)算法对有机固废高位热值(HHV)、快速热解产物分布和不同气氛下热失重曲线进行预测,其中对HHV、热解产物分布和热失重曲线预测的R2分别在0.835～0.866、0.701～0.875 和0.976～0.980 范围内.最后,基于树模型的平均杂质减少(MDI)和SHapley Additive exPlanations(SHAP)方法对建模结果进行可解释性分析,筛选出在模型决策过程中起关键作用的特征,并揭示了原料基本特性与HHV、热解产物分布及热解特性之间的关联,旨在为实际有机固废的智能管理与高效处置提供一定的指导.
关键词：有机固废热解特性机器学习预测分析可解释性
分类号：X705(一般性问题)
资助基金：浙江省领雁研发攻关计划资助项目(2022C03092)
论文发表日期：2024-10-28
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：12( 135-146 )
英文信息