-
作者
孙亮马中青张志霄胡艳军王树荣
-
单位
浙江农林大学化学与材料工程学院国家木质资源综合利用工程技术研究中心杭州电子科技大学机械工程学院浙江工业大学能源与动力工程研究所浙江大学能源清洁利用国家重点实验室
-
摘要
文章利用从文献中收集的305组水热炭的基础特性数据，采用决策树、随机森林、梯度提升树3种机器学习算法建立水热炭基础特性的单任务和多任务预测模型，并利用SHAP法研究输入特征参数对水热炭基础特性影响的差异。结果表明：在3种机器学习算法中，梯度提升树模型在水热炭基础特性的多任务和单任务预测过程中，均体现出最高的准确性，测试集的平均相关系数分别为0.89和0.87，均方根误差分别为0.34和0.37；通过SHAP法对梯度提升树模型的输入特征参数进行评价，发现水热反应温度和原料中C元素含量是影响水热炭产率、高位热值和C元素含量的最主要参数。通过构建水热炭基础特性的预测模型，有利于优化水热炭制备工艺，降低实验成本，提高水热炭制备工艺的经济效益。
-
关键词
生物质水热转化水热炭机器学习基本特性
-
基金项目(Foundation)
浙江省“领雁”研发攻关计划项目（2024C03225）；国家自然科学基金面上项目（52376214）；
-
文章目录
0 引言
1 试验方法
1.1 数据搜集与预处理
1.2 机器学习方法
2 结果与讨论
2.1 数据集描述和分析
2.2 模型性能评估
2.3 模型解释和分析
3 结论
-
引用格式
[1]孙亮,马中青,张志霄,等.基于机器学习算法的生物质水热炭特性的预测与评价[J].可再生能源,2024,42(11):1431-1439.
可再生能源 
2024年第11期 
