一种基于机器学习的固体灰渣溯源预测方法技术

本发明专利技术涉及固体灰渣利用技术领域，具体地说，涉及一种基于机器学习的固体灰渣溯源预测方法，其包括以下步骤：P1：收集固体灰渣数据作为机器学习模型的数据集；P2：数据集预处理；P3：利用机器学习训练数据并建立固体灰渣溯源预测模型；P4：根据模型，对未知源头的固体灰渣进行预测，得到最终的预测结果作为固体灰渣的溯源结果。本发明专利技术能够迅速、准确地进行固体灰渣溯源。渣溯源。渣溯源。

【技术实现步骤摘要】
一种基于机器学习的固体灰渣溯源预测方法


[0001]本专利技术涉及固体灰渣利用
，具体地说，涉及一种基于机器学习的固体灰渣溯源预测方法。

技术介绍

[0002]随着我国经济水平的不断提高，环境问题日益凸现出来，2017年，国家修订大气污染防治法等对环境治理提出了新的要求，而固体灰渣治理对于环境治理至关重要。近年来，固体灰渣的综合利用越发备受关注，不仅可以减少占地，也缓解了其对生态环境造成的污染，同时还可以创造可观的经济效益。由于固体灰渣具有特殊的物化性质以及富含多种有用组分，被广泛应用于有用组分提取、高附加值利用、建筑材料、农业和环保等领域。而固体灰渣溯源是是固体灰渣利用的重要环节。固体灰渣溯源有利于对固体灰渣进行大规模的分类处理和应用，大大节约了固体灰渣利用的成本，为实现以上目标，固体灰渣的溯源意义重大。
[0003]目前，大量关于固体灰渣溯源的实验研究已经开展，使得我们对固体灰渣成分与源头的关系有了初步了解。尽管大量的研究成果发表于国际高水平期刊上，目前的实验结果却仍未能准确的对固体灰渣及逆行溯源。因为不同来源固体灰渣的特殊性本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的固体灰渣溯源预测方法，其特征在于：包括以下步骤：P1：收集固体灰渣数据作为机器学习模型的数据集；P2：数据集预处理；P3：利用机器学习训练数据并建立固体灰渣溯源预测模型；P4：根据模型，对未知源头的固体灰渣进行预测，得到最终的预测结果作为固体灰渣的溯源结果。2.根据权利要求1所述的一种基于机器学习的固体灰渣溯源预测方法，其特征在于：步骤P1中具体包括以下步骤：P11：获取固体灰渣样品；P12：确定不同源头固体灰渣的成分和性质，包括但不限于溶解性、密度、烧失量、氯离子含量、含水率、比表面积、氧化物含量。3.根据权利要求1所述的一种基于机器学习的固体灰渣溯源预测方法，其特征在于：步骤P2中具体包括以下步骤：P21：对数据进行标准化处理，其中数据标准化的方法包括但不限于极差标准化法、线性比例标准化法、Z
‑
score标准化法；P22：将标准化后的数据集划分为训练集和测试集两部分，其中数据集划分方法包括但不限于随机划分、Kennard
‑
Stone划分、分层抽样划分。4.根据权...

【专利技术属性】
技术研发人员：齐冲冲，郑佳帅，武梦婷，陈秋松，郭力，冯岩，
申请(专利权)人：中南大学，
类型：发明
国别省市：