System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于有机废弃物热解,尤其涉及一种基于多项式回归的有机废弃物热解气组分预测方法及系统。
技术介绍
1、目前对不同类型的有机物热解气的产生研究较多,通过实验室内热解装置可以对影响热解产生的因素进行全面分析。在实际工业中,有机物的原料存在不确定性,因此,通过不同类型的有机物原料对热解气的组分以及产量的预测,可以为工业生产提供数据基础。
2、专利技术人发现,目前没有一个广泛适用的预测模型对不同类型的有机物热解气的产生进行预测;通常,预测模型采用对神经网络进行训练,得到预测模型的方法,不能实现不同类型有机物原料对热解气组分的预测,且神经网络需要大量训练数据才能得到相对可靠的结果,并且存在精确模型生成难、模型可解释性低等问题,容易出现预测模型欠拟合、预测结果准确度低等现象。
技术实现思路
1、本专利技术为了解决上述问题,提出了一种基于多项式回归的有机废弃物热解气组分预测方法及系统,本专利技术考虑了有机废弃物种类的不同对热解气组分的影响,解决了现有技术不能实现多类型有机物原料对热解气组分的预测的问题,以及解决了预测准确度低的问题。
2、为了实现上述目的,本专利技术是通过如下的技术方案来实现:
3、第一方面,本专利技术提供了一种基于多项式回归的有机废弃物热解气组分预测方法,包括:
4、根据预设的生活垃圾、污泥和生物质有机废弃物样本数据,通过多项式回归算法对有机废弃物样本数据进行拟合处理,得到生活垃圾热解气组分预测模型、污泥热解气组分预测模型
5、获取待预测的有机废弃物相关数据;
6、对有机废弃物相关数据进行分类,得到生活垃圾数据、污泥数据和生物质数据;
7、根据生活垃圾数据、污泥数据和生物质数据,分别通过所述生活垃圾热解气组分预测模型、所述污泥热解气组分预测模型和所述生物质热解气组分预测模型进行预测,得到热解气组分预测结果。
8、进一步的,生活垃圾热解气组分通过原料配比和热解温度来预测,原料包括木材、织物、橡胶和塑料;污泥热解气组分通过含水率、有机质含量和热解温度来预测;生物质热解气组分通过生物质类型和热解温度来预测。
9、进一步的,通过多项式回归算法对有机废弃物样本数据进行拟合处理时,以最小二乘法求解模型参数,得到所述污泥热解气组分预测模型和所述生物质热解气组分预测模型。
10、进一步的,以实际值和拟合值的差的绝对值最小为目标,求解所述污泥热解气组分预测模型和所述生物质热解气组分预测模型中自变量的各待定系数和常系数。
11、进一步的,所述生活垃圾热解气组分预测模型为:
12、;
13、其中,、、、和分别表示热解气中h2、ch4、co、co2和c2-c3的比例; i表示整数;、、、、、、和分别表示待定系数;、、、和分别表示常系数。
14、进一步的,所述污泥热解气组分预测模型为:
15、
16、其中,、、、和分别表示热解气中h2、ch4、co、co2和c2-c3的比例; i表示整数;、、、、、、和分别表示待定系数;、、、和分别表示常系数。
17、进一步的,所述生物质热解气组分预测模型为:
18、
19、其中,、、、和分别表示热解气中h2、ch4、co、co2和c2-c3的比例; i表示整数;、、、、、、和分别表示待定系数;、、、和分别表示常系数。
20、第二方面,本专利技术还提供了一种基于多项式回归的有机废弃物热解气组分预测系统,包括:
21、预测模型构建模块,被配置为:根据预设的生活垃圾、污泥和生物质有机废弃物样本数据,通过多项式回归算法对有机废弃物样本数据进行拟合处理,得到生活垃圾热解气组分预测模型、污泥热解气组分预测模型和生物质热解气组分预测模型;
22、数据采集模块,被配置为:获取待预测的有机废弃物相关数据;
23、数据分类模块,被配置为:对有机废弃物相关数据进行分类,得到生活垃圾数据、污泥数据和生物质数据;
24、预测模块,被配置为:根据生活垃圾数据、污泥数据和生物质数据,分别通过所述生活垃圾热解气组分预测模型、所述污泥热解气组分预测模型和所述生物质热解气组分预测模型进行预测,得到热解气组分预测结果。
25、第三方面,本专利技术还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现了第一方面所述的基于多项式回归的有机废弃物热解气组分预测方法的步骤。
26、第四方面,本专利技术还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现了第一方面所述的基于多项式回归的有机废弃物热解气组分预测方法的步骤。
27、与现有技术相比,本专利技术的有益效果为:
28、本专利技术首先根据预设的生活垃圾、污泥和生物质有机废弃物样本数据,通过多项式回归算法对有机废弃物样本数据进行拟合处理,得到生活垃圾热解气组分预测模型、污泥热解气组分预测模型和生物质热解气组分预测模型;然后,获取待预测的有机废弃物相关数据;对有机废弃物相关数据进行分类,得到生活垃圾数据、污泥数据和生物质数据;最后将生活垃圾数据、污泥数据和生物质数据,分别通过生活垃圾热解气组分预测模型、污泥热解气组分预测模型和生物质热解气组分预测模型进行预测,得到热解气组分预测结果;考虑了有机废弃物种类的不同对热解气组分的影响,解决了现有技术不能实现多类型有机物原料对热解气组分的预测的问题,以及解决了预测准确度低和预测效率低的问题。
本文档来自技高网...【技术保护点】
1.基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,包括:
2.如权利要求1所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,生活垃圾热解气组分通过原料配比和热解温度来预测,原料包括木材、织物、橡胶和塑料;污泥热解气组分通过含水率、有机质含量和热解温度来预测;生物质热解气组分通过生物质类型和热解温度来预测。
3.如权利要求1所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,通过多项式回归算法对有机废弃物样本数据进行拟合处理时,以最小二乘法求解模型参数,得到所述污泥热解气组分预测模型和所述生物质热解气组分预测模型。
4.如权利要求3所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,以实际值和拟合值的差的绝对值最小为目标,求解所述污泥热解气组分预测模型和所述生物质热解气组分预测模型中自变量的各待定系数和常系数。
5.如权利要求1所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,所述生活垃圾热解气组分预测模型为:
6.如权利要求1所述的基于多项式回归的有机废弃物
7.如权利要求1所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,所述生物质热解气组分预测模型为:
8.基于多项式回归的有机废弃物热解气组分预测系统,其特征在于,包括:
9.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现了如权利要求1-7任一项所述的基于多项式回归的有机废弃物热解气组分预测方法的步骤。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现了如权利要求1-7任一项所述的基于多项式回归的有机废弃物热解气组分预测方法的步骤。
...【技术特征摘要】
1.基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,包括:
2.如权利要求1所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,生活垃圾热解气组分通过原料配比和热解温度来预测,原料包括木材、织物、橡胶和塑料;污泥热解气组分通过含水率、有机质含量和热解温度来预测;生物质热解气组分通过生物质类型和热解温度来预测。
3.如权利要求1所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,通过多项式回归算法对有机废弃物样本数据进行拟合处理时,以最小二乘法求解模型参数,得到所述污泥热解气组分预测模型和所述生物质热解气组分预测模型。
4.如权利要求3所述的基于多项式回归的有机废弃物热解气组分预测方法,其特征在于,以实际值和拟合值的差的绝对值最小为目标,求解所述污泥热解气组分预测模型和所述生物质热解气组分预测模型中自变量的各待定系数和常系数。
5.如权利要求1...
【专利技术属性】
技术研发人员:杜玉凤,陈飞勇,宋扬,陈关忠,刘蕊婷,王晋,
申请(专利权)人:山东建筑大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。