基于机器学习的生物质三组分含量预测

论文摘要

为解决生物质中纤维素、半纤维素和木质素测定时耗时耗力等问题,提出基于支持向量回归机(support vector regression machine,SVR)和热重分析法的生物质三组分含量预测模型。通过对4种不同类型核函数的SVR进行比较,利用K折交叉验证法结合网格搜索法,对SVR的参数进行寻优,以获得最优参数进而训练三组分含量的预测模型,并对该模型进行测试和验证。结果表明:该模型具有较好的预测效果,三组分含量预测模型的相关系数R2均在0.9532以上;经验证该模型对毛竹、玉米杆和稻草的三组分含量预测绝对误差控制在2.72%以内。

论文目录

• 0 引言
• 1 SVR原理
• 2 实验
•   2.1 实验原料
•   2.2 实验装置及方案
• 3 三组分含量预测模型构建
•   3.1 数据准备及预处理
•   3.2 核函数类型选择
•   3.3 模型参数寻优
•   3.4 模型训练、测试和验证
• 4 结果与分析
•   4.1 纤维素含量预测模型构建与测试
•   4.2 木聚糖含量预测模型构建与测试
•   4.3 木质素含量预测模型构建与测试
•   4.4 生物质三组分含量预测模型验证
• 5 结论

文章来源

类型: 期刊论文

作者: 邢勇强,邢献军,张静,李永玲,张学飞,张贤文

关键词: 机器学习,热重分析法,生物质,三组分,预测

来源: 太阳能学报 2019年05期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 新能源,自动化技术

单位: 合肥工业大学机械工程学院,合肥工业大学先进能源技术与装备研究院,合肥工业大学汽车与交通工程学院

基金: 国家科技支撑计划(2012BAD30B01)

分类号: TP181;TK6

页码: 1330-1337

总页数: 8

文件大小: 1509K

下载量: 122