一种用于生物炭产量和热值预测的生物质分类方法、电子设备及存储介质

本发明属于生物质分类，具体涉及一种用于生物炭产量和热值预测的生物质分类方法、电子设备及存储介质。

背景技术：

1、生物炭是由生物质热解转化而来的一种性能良好的功能材料，生物炭特性的有效预测可促进生物炭的合理发展和利用。在过去的几十年里，已经开发了广泛的理论模型和经验关联式，以阐明热解参数和生物质特性对生物炭产率或热值hhv的影响。

2、生物质主要是由纤维素(cellulose)、半纤维素(hemicellulose)、木质素(lignin)组成。研究表明，由不同的生物质制成的生物炭性质迥异，而且同种生物质各个部位的热解行为也有差异，这和生物质中有机相组分的分布比例不同有关。生物炭制备时的热解温度和选用的原料是决定其物理化学特性的主要因素。若输入参数较多，虽然特征更全面但有成本高、耗时长等缺点。

3、人工神经网络模型在估计生物质炭的参数方面很有研究前景。随着技术的进步，近来有学者研究大量数据集的基础上做预测训练模型，但几乎没有人结合生物质数据集分类和预测的关系，为进行基于人工智能的模拟来预测期望的结果，必须开发特定于应用程序的组织良好且稳健的数据集。

技术实现思路

1、本发明要解决的问题是更加科学地利用生物质分类，从而实现高标准提升生物炭产量和热值预测的精度，提出一种用于生物炭产量和热值预测的生物质分类方法、电子设备及存储介质。

2、为实现上述目的，本发明通过以下技术方案实现：

3、一种用于生物炭产量和热值预测的生物质分类方法，包括如下步骤：

4、s1、收集生物质原料样本的生物炭产率数据、生物物炭热值数据，构建用于生物炭产量和热值预测的生物质数据集；

5、s2、对步骤s1构建的用于生物炭产量和热值预测的生物质数据集中的数据进行数据清洗、缺失值处理；

6、s3、对步骤s2经过处理的用于生物炭产量和热值预测的生物质数据集进行样本分类，得到不同类型的用于生物炭产量和热值预测的生物质数据集；

7、s4、将步骤s3得到的不同类型的用于生物炭产量和热值预测的生物质数据集分为训练集和预测集，设计用于生物炭产量和热值预测的生物质预测模型，对生物炭产量和热值预测的生物质预测模型进行训练；

8、s5、对步骤s4经过训练的生物炭产量和热值预测的生物质预测模型进行特征评估。

9、进一步的，步骤s1中所述生物质原料包括纤维素、半纤维素、木质素，通过实验室数据、文献数据进行数据收集，包括412个生物炭产率数据集、202个生物炭热值hhv数据集，数据集包括69种生物质原料。

10、进一步的，数据收集包括生物质原料工业分析特征数据、生物质原料结构分析特征数据、生物质原料元素分析特征数据。

11、进一步的，步骤s2的具体实现方法包括如下步骤：

12、s2.1、对步骤s1构建的用于生物炭产量和热值预测的生物质数据集中的数据进行干燥基标准处理，计算表达式为：

13、

14、其中，fcdry为干基固定碳含量，mc为水分含量，fcdry为湿基固定碳含量；

15、

16、其中，vmdry为干基挥发分含量，vmwet为湿基挥发分含量；

17、

18、其中，ashdry为干基灰分含量，ashdry为湿基灰分含量；

19、cel+hem+lin＝100％

20、其中，cel为纤维素比例，hem为半纤维素比例，lin为木质素比例；

21、s2.2、数据清洗：样本的缺失值大于30％的，删除样本进行数据清洗；

22、s2.3、缺失值处理：用属性的平均值填充与属性对应的缺失值，或者结合荷兰能源中心的生物质数据库网站进行缺失值的填充处理。

23、进一步的，步骤s3进行样本分类包括按照chl大小顺序进行分类、按照植物属性进行分类、按照vm/fc高低进行分类，具体实现方法包括如下步骤：

24、s3.1、按照chl大小顺序进行分类：根据纤维素、半纤维素、木质素的连续递减量，将样本分为符合预测使用要求的三类，依次为chl、clh、other，其中chl为纤维素含量＞木质素含量＞半纤维素含量，clh为纤维素含量＞半纤维素含量＞木质素含量，other为三组分连续递减量为其他类型的；

25、s3.2、按照植物属性进行分类：根据生物质原料的性质对应的分为三类，依次为木本生物质、草本生物质、果实类生物质；

26、s3.3、按照vm/fc高低进行分类：根据干基上挥发性物质与固定碳的比例大小对应的分为二类，依次为vm/fc<5的惰性生物质燃料、vm/fc≥5的活性生物质燃料。

27、进一步的，步骤s4的具体实现方法包括如下步骤：

28、s4.1、将步骤s3得到的不同类型的用于生物炭产量和热值预测的生物质数据集以8：2的比例随机分为训练集和预测集，设置训练集和预测集中温度、木质素、纤维素和半纤维素作为输入变量，生物炭产率数据或生物物炭热值数据作为输出变量；

29、s4.2、采用dnn深度神经网络回归模型设计用于生物炭产量和热值预测的生物质预测模型，用于生物炭产量和热值预测的生物质预测模型包括15层，每层之间设置激活函数relu函数；

30、dnn深度神经网络回归模型的前向传播阶段，对于第k层的第i个节点，其计算公式为：

31、ak,i＝f(wk,1*ak-1,1+wk,2*ak-1,2+…+wk,n*ak-1,n+bk-1,i)

32、进而，对于第k层的计算公式，写作矩表达式为：

33、

34、其中，f为激活函数，w和b为参数矩阵；

35、对于dnn深度神经网络回归模型的反向传播过程，计算公式为：

36、

37、其中，δn表示初始状态，(s)和(s+1)表示当前状态和下一状态，学习率为α，为外积，为损失函数计算得到的误差，pn为第n层的参数向量，y为网络预测的分类结果，输入数据所标注的真实标签为t；

38、对于神经网络的计算量，一个m*n的矩阵乘以一个n*p的矩阵，得到一个m*p的矩阵，进行乘法的次数为：(n)*(m*p)，加法次数为：(n-1)*m*p，所以，每一层之间的计算量为(n)*(m*p)+(n-1)*m*p＝(2n-1)*m*p；

39、s4.3、利用步骤s4.1得到的训练集对生物炭产量和热值预测的生物质预测模型进行训练。

40、进一步的，步骤s5选择决定性系数r2、平均绝对误差mae和均方根误差rmse用于评估生物炭产量和热值预测的生物质预测模型的性能和准确性，计算表达式为：

41、

42、

43、

44、其中，n表示测试样本的数量，yi表示实际值，表示预测值。表示实际值和预测值的平均值。

45、电子设备，包括存储器和处理器，存储器存储有计算机程序，所述的处理器执行所述计算机程序时实现所述的一种用于生物炭产量和热值预测的生物质分类方法的步骤。

46、计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述的一种用于生物炭产量和热值预测的生物质分类方法。

47、本发明的有益效果：

48、本发明所述的一种用于生物炭产量和热值预测的生物质分类方法，实现了输入较少的参数就可以得到较好的预测结果。本发明选择生物质原料的结构分析(纤维素、半纤维素、木质素)和热解温度作为输入参数，来预测相应的生物炭产率和热值是必要且经济的。

49、本发明所述的一种用于生物炭产量和热值预测的生物质分类方法，在通过不同的分类依据将总样本集科学规划分类后，进行建模预测，对比未分类时预测精度均不同程度的提升，产量最高r2＝0.93在fruits类中，热值最高r2＝0.93在highvm/fc分类中。而且对于生物炭的产率和热值hhv预测分别适合不同的分类方法。其中在预测生物炭产量时，按照植物属性分为木本、草本和果实类再预测分析效果最佳(r2＝0.914，rmse＝4.4)，精度提升21.7％；在预测生物炭热值时，按照vm/fc比值大小分为活性和惰性生物质材料两类再进行预测效果最佳(r2＝0.914，rmse＝4.4)，精度提升25％。

50、本发明所述的一种用于生物炭产量和热值预测的生物质分类方法，为生物质分类和生物炭热解预测之间的联系架起了桥梁，采用科学规划分类建模后，可以高标准提升预测精度。本发明所述的一种用于生物炭产量和热值预测的生物质分类方法，不仅仅是预测产率和热值，为多元回归方法在研究生物质热解预测的未来实施提供了一种新的角度。