[发明专利]一种利用机器学习预测粉煤灰中玻璃相含量的方法

说明书

本发明公开一种利用机器学习预测粉煤灰中玻璃相含量的方法，利用粉煤灰玻璃相含量和其化学组成之间的关系建立机器学习的模型，从而预测粉煤灰中玻璃相的含量。具体步骤如下：1.确定影响粉煤灰玻璃相含量的化学组成因素，进行特征选择。2.基于确定特征，开始收集相关数据，构成样本数据集。3.将数据划分为训练集和测试集。4.选择并建立机器学习算法模型。5.训练集通过优化算法确定超参数，得到预测模型，用测试集验证模型的效果。本发明根据已确定影响粉煤灰内玻璃相含量的特征参数，基于机器学习实现对粉煤灰内玻璃相含量的预测，对粉煤灰的活性预测具有重大意义。

技术领域

本发明涉及固废处理领域，具体说是一种基于机器学习预测粉煤灰中玻璃相含量的方法。

背景技术

经济的快速发展和工业生产推动了对能源的日益增长的需求。煤炭等化石燃料因其高热值和低成本一直是全球能源供应的主要来源。煤炭的产量高，消耗量大，主要用于电力生产和工业生产。目前最主要的发电方式还是燃煤发电，约占总发电量的40％。粉煤灰作为火力发电厂燃煤的副产品，每年产生的量约为8亿吨。粉煤灰的大量排放不仅占用土地资源，还会增加水中有害元素，破坏土壤结构和功能，对环境造成严重破坏，危害人类健康。因此，工业界和学术界越来越关注粉煤灰的资源利用。粉煤灰不仅可用于制造陶瓷玻璃、铺路和矿山回填，还可用作吸附剂以吸附污水中的重金属离子。此外，还尝试使用碳水化合物来制备用于土壤修复的复合灌浆，或从粉煤灰渗滤液中回收有价值的稀土元素和超塑化结构材料。近年来，由于使用地质聚合物作为硅酸盐水泥替代品的重大发展，粉煤灰被广泛用作混凝土或地质聚合物中的辅助胶凝材料。

粉煤灰的活性是其能作为辅助胶凝材料的关键，目前现有对粉煤灰活性测试的方法主要有依赖于X射线衍射(XRD)试验，其操作复杂，耗时及成本高且需要专业知识，因此测试尚未大规模推广，严重阻碍了粉煤灰的资源化利用。因此，对粉煤灰活性的预测需要一种更为高效准确的技术方法，来为粉煤灰的回收利用提供一定的指导意义。

发明内容

本发明的目的是为了克服现有技术中的不足，提供一种利用机器学习预测粉煤灰中玻璃相含量的方法，利用机器学习方法对粉煤灰中玻璃相含量进行快速、高精度、高准确率的预测，具有广泛的实际应用意义，从而为我国固废利用领域提供有力的技术支撑。

本发明的目的是通过以下技术方案实现的：

一种利用机器学习预测粉煤灰中玻璃相含量的方法，包括以下步骤：

P1.确定影响粉煤灰玻璃相含量的化学组成因素，进行特征选择得到有效特征；

P2.收集粉煤灰有效特征及玻璃相含量数据，构成样本数据集；

P3.将样本数据集内的数据进行预处理后划分为训练集和测试集；

P4.选择并建立机器学习算法模型；

P5.在训练集上通过优化算法确定机器学习算法模型的超参数，得到最优粉煤灰玻璃相含量预测模型，用测试集验证最优粉煤灰玻璃相含量预测模型的效果。

进一步的，步骤p1中，影响粉煤灰玻璃相含量的化学组成因素包括SiO₂、Al₂O₃、Fe₂O₃、CaO、MgO、Na₂O、K₂O、P₂O₅；每个化学组成因素的含量能够反映粉煤灰中的玻璃相含量。

进一步的，步骤p2中粉煤灰有效特征及玻璃相含量数据的收集来源包括室内试验、文件调研。

进一步的，步骤p3中数据预处理的方法有数据清理、数据集成、数据变换和数据归约；数据预处理完成后，将处理好的数据划分为训练集和测试集，训练集用来对最优粉煤灰玻璃相含量预测模型进行训练，而测试集则用来对最优粉煤灰玻璃相含量预测模型进行评估，其中训练集和测试集大小通过收敛性测试得到。