基于机器学习的藻类与木质生物质共热解协同效应生物炭产率三阶段分析

热解技术已成为有效利用天然或人造生物质制品（如塑料、木材、作物残留、果皮等）的突破性技术。近期研究表明，通过以特定比例混合不同生物质可显著提高生物炭、生物油及其他非凝化气体等关键产品的产率。本研究系统性地研究了藻类与木质生物质生物质共热解的协同效应，并将其分为三个阶段：共热解动力学分析、 proximate 与 ultimate 分析与生物炭产率之间的相关性，以及基于生物炭产率对不同质量比进行分组。本文利用多种机器学习和深度学习算法进行回归和分类，以全面概述两种不同生物质材料协同作用对生物炭产率影响。对于第一阶段，采用决策树回归器可获得生物炭产率的最佳预测，均方误差(MSE)得分为0.00，其次为梯度提升回归器。第二阶段采用机器学习和深度学习技术进行分析。在机器学习领域，支持向量回归(SVR) proved to be the most convenient model，准确率为0.972，深度学习中采用深度神经网络(DNN)。最后，在第三阶段，对生物炭产率（含加热速率与否）进行二分类，针对生物炭产率高于和低于40%的情况。机器学习中支持向量机(SVM)为最佳技术，随后为随机森林，而人工神经网络(ANN)为最适合的深度学习技术。