基于机器学习的气固流化床最小流化速度预测

作     者：包国强 顾维根 穆维国 周南 崔森 李志强 李妍娇 周恩会 赵跃民 董良 BAO Guoqiang;GU Weigen;MU Weiguo;ZHOU Nan;CUI Sen;LI Zhiqiang;LI Yanjiao;ZHOU Enhui;ZHAO Yuemin;DONG Liang

作者机构：国家能源集团新疆能源有限责任公司新疆乌鲁木齐830002 中国矿业大学人工智能研究院江苏徐州221116 中国矿业大学化工学院江苏徐州221116 煤炭加工与高效洁净利用教育部重点实验室(中国矿业大学)江苏徐州221116 

基　　金：国家能源集团科技创新2030重大项目先导资助项目(GJNY2030XDXM-19-07.2) 江苏省自然科学基金优秀青年基金资助项目(BK20200087) 

出 版 物：《洁净煤技术》 (Clean Coal Technology)

年 卷 期：2021年第27卷第5期

页      码：25-31页

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。

主 题 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 

学科分类：081702[081702] 080702[080702] 08[工学] 0817[工学-轻工类] 0807[工学-电子信息类] 

D　O　I：10.13226/j.issn.1006-6772.21042554

馆 藏 号：203106271...