山东科技大学|李政宏携岩征微型反应釜，在J. Energy Inst.期刊发表煤热溶方向研究论文
更新时间：2025/5/26 9:55:30 阅读：252
煤中的低分子量化合物（LMWC） 是通过萃取和热溶解 （TD） 获得的可溶性成分，可以大地影响煤炭的利用方法。考虑到煤可溶性比例的复杂性，机器学习算法被认为是可溶性比例分子信息的有效数据挖掘方法。在这项工作中，通过提取/TD 和机器学习算法的组合分析了来自不同类型煤的 LMWC。通过逐步提取和 TD，从 6 种类型的煤中获得共 36 个煤提取物和 TD 产品样品。所有样品的傅里叶变换红外 （FTIR） 光谱通过机器学习算法进行分类，包括无监督学习和监督学习方法。主成分分析 （PCA） 和 K-means 用于对 36 个样品进行有效分类，溶剂类型的差异是决定样品组分类的主要变量。PCA 处理的数据有利于 K-means 的准确分类。不对称脂肪族-CH、对称脂肪族-CH、-OH、对称-CH3、不对称-CH3、-CH2和相邻H变形是影响层次聚类分析（HCA）的主要特征变量。-OH 是决定 HCA 分类的重要因素。对于人工神经网络算法 （ANN），CH2 或 CH3 、脂肪族 C-H 和 -OH 键是将这些样本分为六组的重要变量。通过受试者工作特征曲线验证 ANN 模型的预测结果准确。 通过机器学习算法鉴定关键官能团及其对煤样分类的影响，为了解煤的分子特性提供了新的见解。
-
微信小程序控制；
-
配置原位拆釜功能，方便拆卸；
-
AI-PID温度自跟随控制算法；
-
支持斜坡程序升温；
-
仪器内部和触摸屏防漏液功能；
-
配置耐氢脆压力传感器Elgiloy合金；
-
易更换测温元件和防松脱接头；
-
配置本质安全底层温度和压力保护装置；
-
LCD真彩色全触摸操作界面。
