基于机器学习的废塑料热解制燃料模型构建研究

中文
EN

当前位置：首页 > 网络首发

网络首发

收稿日期：2024-05-20 修回日期：2024-06-24

DOI:0.20078/j.eep.20240704

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... 展开+

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（R^2=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（R^2=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。 收起-

作者：

谌思罕¹
袁志龙¹
王晔¹
孙轶斐^1,2,3,*

作者简介

作者简介:谌思罕(2003—),男,贵州贵阳人,硕士研究生,主要研究方向为固体废物能源转化。E-mail:20375266@buaa.edu.cn
通讯作者:孙轶斐(1973—),女,辽宁丹东人,教授,主要研究方向为固体废物能源转化。E-mail:sunif@buaa.edu.cn

单位

1.北京航空航天大学能源与动力工程学院
2.海南大学环境科学与工程学院
3.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

关键字

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

基金项目

国家自然科学基金资助项目(U23B20166,22206011)

引用格式

谌思罕, 袁志龙, 王晔, 孙轶斐. 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[2024-07-18]. https://doi.org/10.20078/j.eep.20240704.

CHEN Sihan, YUAN Zhilong, WANG Ye, SUN Yifei. Study of model construction of fuel production from waste plastic pyrolysis based on machine learning[J/OL]. Energy Environmental Protection: 1-8[2024-07-18]. https://doi.org/10.20078/j.eep.20240704.

网络首发

作者：

作者简介

单位

关键字

基金项目

引用格式

相关论文

最新更新