摘要
首次使用灰色关联度知识,用理论和数据分析了影响生物质热解产气率和产气热值的各种因素的程度大小:热解终温>物料特性(主要是挥发份)>加热方式>填实率>物料粒径。基于回归模型的预测精度不高,采用3层改进BP神经网络方法,以热解终温、物料、加热方式、填实率和物料粒径作为输入项,建立了生物热解产气率和产气热值的模型。并使用该模型预测4个不同热解实验的产气率和产气热值,最后预测值的相对误差分别为:7 30%和4 50%,证明网络的预测结果较好。
Grey relation analysis was introduced to study biomass pyrolysis gas. The final temperature of pyrolysis, matter (first is volatile) and heating method were the major factors influencing biomass pyrolysis gas production ratio and gas heat value. BP neural network was improved to establish a predication model of biomass pyrolysis gas production ratio and gas heat value. The relative errors of predicted results by neural network are 7.30% and 4.50% respectively.
出处
《太阳能学报》
EI
CAS
CSCD
北大核心
2003年第6期776-780,共5页
Acta Energiae Solaris Sinica
基金
中国博士后科学基金资助项目(中博基[2000]23号)
辽宁省自然科学基金资助项目(01101014)
沈阳市科学技术计划项目(SK0105)
关键词
灰色关联度
热解
BP神经网络
Biomass
Neural networks
Pyrolysis
Renewable energy resources
