来源：期刊VIP网 时间：
作者：张亚楠;刘茂省;赵家宝;袁定琨;凌忠钱;张光学;
单位：中国计量大学计量测试与仪器学院;
摘要：太阳能技术与生物质热解技术相结合可生产高能量密度燃料。为准确预测太阳能热解生物质产物产率，本研究首先构建了太阳能热解生物质数据集，以生物质的组成和热解条件等为输入变量，热解固体、液体、气体三产物产率为目标变量，将采用机器学习模型调参后的随机森林回归（RFR）和极端梯度提升回归（XGBR）算法进行投票法集成，对太阳能热解产物产率进行预测，并采用可解释的机器学习方法（SHAP）来分析输入变量对目标变量的影响。结果表明：集成算法可提高对生物质热解产物收率预测的准确性，其中对固体产率的回归系数最高（R~2=0.95），均方根误差为2.20，而液体产率与气体产率的回归系数也达到0.87以上；SHAP分析表明，固体产率主要受生物质灰分含量、热解最终温度、颗粒粒径的影响，具体为使用高灰分含量以及颗粒粒径大的生物质可以在较低温度下获得较高的固体产率；热解终温是影响液体、气体产率的最大因素，热解终温与液体产率负相关，与气体产率正相关；吹扫气流量对液体和气体产率的影响很小。
关键词：机器学习;;热解;;生物质;;太阳能;;产物产率
基金资助：浙江省自然科学基金联合基金资助项目(No.LQZSZ24E060002);; 全省工业碳计量技术研究重点实验室资助
