基于机器学习的含油污泥热解残渣含油率预测
彭黄湖1
姜勇1
杨帆1
陈泽洲1
吴圣姬1
车磊2
1.湖州师范学院工学院,浙江湖州 3130002.浙江宜可欧环保科技有限公司,浙江湖州 313000
摘要：为快速预测含油污泥热解后残渣含油率的变化规律,指导含油污泥热解工艺参数优化,选取热解终温,热解时间,升温速率,氮气流量,含油污泥的含油率、含水率和含渣率作为输入变量,热解残渣含油率作为输出变量,采用梯度提升决策树(GBDT)、极端梯度提升(XGB)、支持向量机(SVM)及随机森林(RF)算法分别建立了含油污泥热解残渣含油率的预测模型.通过228组数据进行训练和测试,结果表明,GBDT、XGB、SVM以及RF 4种含油率预测模型在测试集上的决定系数R2分别为0.871 6、0.866 7、0.835 6和0.917 1.经过贝叶斯优化算法(BOA)超参优化后,该4种含油率预测模型的测试集决定系数R2分别提升至0.901 2、0.900 1、0.896 5和0.920 4.其中,贝叶斯优化的随机森林(BO-RF)模型预测效果更佳,能更准确地预测含油污泥热解残渣含油率的动态变化规律.
关键词：含油污泥热解含油率预测特征重要性分析机器学习贝叶斯优化算法
分类号：X502(一般性问题)X705(一般性问题)
资助基金：国家自然科学基金(52100143)
论文发表日期：2025-12-30
在线出版日期：2025-12-18（本平台首次上网日期，不代表文献的发表时间）
页数：11( 188-198 )
英文信息