高湿高脂废弃物产富氢水热油过程的智能建模与响应行为解析

摘要

为构建水热生物油氢含量高预测精度、强泛化能力的预测模型，深入探讨生物质水热转化规律和机制，以文献中收集的243组病死畜禽、藻类等高湿高脂废弃物水热制备富氢生物油试验数据为基础，采用随机森林和极端梯度提升树2类高适配性机器学习算法，建立高精宽域的水热生物油氢含量预测模型（R2>0.93）；基于数学预测模型，采用可解释技术（Shapley additive explanations,SHAP）及局部依赖性（partial dependence plot,PDP）分析方法，解析水热成油条件的贡献度、局部依赖性响应行为及其互作耦合规律。结果表明：高湿高脂废弃物中的脂质含量与氢含量是制备富氢生物油的决定性因素，二者对油相中氢的富集贡献度排名位居前二，能显著影响油相中氢的积累；随着原料氢含量的增加，油相中氢含量得到提升，表明富氢原料为制备富氢生物油提供了便利条件，提升效果最高可达4%，而原料高位热值是生物油富氢行为的主要抑制因素，抑制作用高达4%。此外，从特征类别间的互作关系来看，元素信息、工业信息及生物质组分信息间的耦合作用强烈，但原料特性与操作条件间的局部耦合作用较小。

关键词

数据驱动 / 机器学习 / 随机森林 / 极端梯度提升树 / 生物油 / 热值