基于机器学习的生物质三组分含量预测

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

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于机器学习的生物质三组分含量预测
    下载Doc文档

    猜你喜欢