基于机器学习的气固流化床最小流化速度预测

摘要：

气固流化床以其高效、可灵活操作等优点广泛应用于煤化工、煤燃烧和煤炭分选等领域.最小流化速度作为气固流化床最主要的操作参数之一,与流化床的操作设计紧密相关.现有的最小流化速度预测模型大多为经验或半经验公式,其准确性和便捷性还存在较大问题.为准确预测气固流化床最小流化速度,基于机器学习建立气固流化床最小流化速度预测模型,并探索模型的内部信息.从颗粒性质与设备条件等方面综合考虑,研究气固流化床的最小流化速度,以系统评估对最小流化速度的综合影响.采用随机森林模型验证了其预测最小流化速度的可行性,并考察了设备参数、颗粒密度和颗粒粒度3个影响因素在预测最小流化速度时的相对重要性.结果 表明,最小流化速度与颗粒粒径、颗粒密度和床体直径均呈正相关,皮尔逊相关系数分别为0.79、0.31、0.14,颗粒粒径与最小流化速度相关性最强.随机森林能够根据颗粒性质(密度、粒度)与床体直径准确预测最小流化速度,模型的决定系数达到0.875.特征相关性分析揭示了各特征因素对目标变量的影响方式,颗粒粒度与最小流化速度相关性最强,为预测气固流化床最小流化速度提供借鉴.

关键词：机器学习;气固流化床;最小流化速度;随机森林模型;相关性分析

所属期刊栏目：27

分类号：TQ53;TK114

资助基金：国家能源集团科技创新2030重大项目先导资助项目;江苏省自然科学基金优秀青年基金资助项目

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：25-31