[发明专利]基于GBRT预测固体燃料化学链过程中反应性能的方法

权利要求书

1.一种基于GBRT预测固体燃料化学链过程中的反应性能的方法，其特征在于：包括以下步骤：

(1)通过固体燃料化学链实验研究收集数据；

(2)整理数据，得到训练样本和测试样本；

(3)使用梯度提升回归树模型对训练样本进行训练；

(4)对固体燃料在化学链过程中的反应性能进行预测；

所述步骤(2)包括以下子步骤：

(2.1)根据所述步骤(1)中记录的实验结果，计算固体燃料化学链过程的评价指标；

(2.2)筛选实验数据，去除明显错误的数据，并且对多次实验结果取平均值，在实验条件的范围内均匀地对数据采样；

(2.3)选取训练样本，X＝{x₁,x₂,…,x_n}，x_i(1≤i≤n)表示训练样本中第i次实验的所有条件参数的集合，Y＝{y₁,y₂…y_n}，y_i(1≤i≤n)表示的是训练样本中第i次实验中固体燃料化学链过程的评价指标，n表示训练样本的数量；选取反应温度、水蒸气流量、载氧体中含氧的摩尔量与固体燃料中含碳的摩尔量之比、燃料的固定碳含量为实验条件参数，选取碳转化率和合成气比例作为评价化学链过程的指标；

(2.4)均匀随机抽取测试集，A＝{α₁,α₂,…,α_m}，α_i(1≤i≤n)表示测试样本中第i次实验的所有条件参数的集合，B＝{β₁,β₂…β_m}，β_i(1≤i≤n)表示测试样本中第i次实验中固体燃料化学链过程的评价指标，验证模型的可行性，m表示测试数据样本的数量；

所述步骤(3)包括以下子步骤：

(3.1)训练的目标：学习一个函数F(x)，使得损失函数最小，损失函数通过最小二乘法定义为：

(3.2)设置初始化函数F₀为常函数：

(3.3)设置最大的迭代次数T，对于每一步t＝1,…,T，对于每个数据样本计算梯度：

根据得到的中间数据X＝{x₁,x₂,…,x_n}，R_t＝{r_1t,r_2t…r_nt}，使用CART的构造方法构造回归树h_t(x)拟合(X,R_t)；

计算因子c_t：

更新模型：

F_t(x)＝F_t-1(x)+ch_t(x)

(3.4)输出最终的模型

F(x)＝F_T(x)。

2.根据权利要求1所述的基于GBRT预测固体燃料化学链过程中的反应性能的方法，其特征在于：步骤(1)所述固体燃料化学链实验包括固体燃料和载氧体的气化和燃烧。

3.根据权利要求1所述的基于GBRT预测固体燃料化学链过程中的反应性能的方法，其特征在于：步骤(1)中所述固体燃料包括煤类、生物质、石油焦中的一种或多种混合燃料；化学链实验过程中需要的载氧体，包括铁基、镍基、铜基或多金属载氧体，以及天然载氧体。

4.根据权利要求1所述的基于GBRT预测固体燃料化学链过程中的反应性能的方法，其特征在于：所述步骤(3)中，给出所有实验参数的取值范围和取值精度，遍历所有可能的数据组合，将每种组合输入到F(x)中得到预测的输出结果，根据化学链过程中不同目的和需求选择最优的预测结果，并得到其对应的工况参数。