• 全部
主办单位:煤炭科学研究总院有限公司、中国煤炭学会学术期刊工作委员会
基于机器学习的废塑料热解制燃料模型构建研究
  • 70
  • 作者

    谌思罕 袁志龙 王晔 孙轶斐

  • 单位

    北京航空航天大学能源与动力工程学院海南大学环境科学与工程学院北京航空航天大学国际交叉科学研究院先进能源与碳中和研究中心

  • 摘要
    塑料热解制油与合成气是回收利用废塑料的重要途径。原料类型、工况条件等因素都对热解产物产生重要影响,需要进行定量研究。在塑料热解过程中,分子筛催化剂具备提高目标产物产率的优点,应用广泛。然而,热解过程的反应机理较为复杂,且实验成本高。因此,基于多种机器学习算法,利用以无催化和分子筛催化剂催化为主体的数据构建模型,对原料热解进行研究。结果表明,在选取的几种模型中,梯度提升回归算法(GBR)对热解油产率的预测具有最好的拟合性能(R2=0.91,RMSE=7.78),而自适应提升算法(AdaBoost)对热解气产率的预测具有最好的拟合性能(R2=0.83,RMSE=6.42),因此用于预测反应条件。通过排列重要性分析与单依赖性分析,在加热速率约为20℃/min、温度为500℃时,油料的产率较高。同时,对热解油产率与反应温度、加热速率和反应时间3个条件进行了双依赖性分析。量化了加热速率、热解温度等反应条件对塑料热解油气产率的影响,为废塑料回收的生产实践提供了理论基础。
  • 关键词

    塑料热解分子筛催化剂机器学习梯度提升算法依赖性分析

  • 引用格式
    谌思罕,袁志龙,王晔,等.基于机器学习的废塑料热解制燃料模型构建研究[J/OL].能源环境保护,1-8[2024-07-17].https://doi.org/10.20078/j.eep.20240704.
相关问题
立即提问

主办单位:煤炭科学研究总院有限公司 中国煤炭学会学术期刊工作委员会

©版权所有2015 煤炭科学研究总院有限公司 地址:北京市朝阳区和平里青年沟东路煤炭大厦 邮编:100013
京ICP备05086979号-16  技术支持:云智互联