基于机器学习的生物质水热炭表征：对可持续能源与材料生产的启示
机器学习
2023-05-29 v1
摘要
水热碳化(HTC)是一种无需预先干燥即可将生物质转化为多功能水热炭的工艺。水热炭的理化性质受生物质性质与工艺参数影响，使其难以通过试错实验针对特定应用进行优化。为节省时间与成本，可利用机器学习开发模型，表征不同生物质来源在多变反应工艺参数下生产的水热炭。因此，本研究旨在利用涵盖多种生物质类型与反应工艺参数的数据库，开发一种包容性模型来表征水热炭。采用两种模型(决策树回归与支持向量回归)预测水热炭的质量与数量。决策树回归模型在预测精度上优于支持向量回归模型(R2 > 0.88、RMSE < 6.848、MAE < 4.718)。利用进化算法，基于所选模型提供的代价函数识别最优输入，以优化面向能源生产、土壤改良与污染物吸附的水热炭，其产率分别为84.31%、84.91%与80.40%。特征重要性分析表明，生物质灰分/碳含量与操作温度是影响HTC工艺中水热炭生产的主要因素。
引用
@article{arxiv.2305.16348,
title = {Machine learning-based characterization of hydrochar from biomass: Implications for sustainable energy and material production},
author = {Alireza Shafizadeh and Hossein Shahbeik and Shahin Rafiee and Aysooda Moradi and Mohammadreza Shahbaz and Meysam Madadi and Cheng Li and Wanxi Peng and Meisam Tabatabaei and Mortaza Aghbashlo},
journal= {arXiv preprint arXiv:2305.16348},
year = {2023}
}