秸稈炭熱化工特性分析及FT-MIR模型構(gòu)建.pdf

1、為探究不同秸稈原料和炭化條件對(duì)秸稈炭樣品熱化工特性的影響，分析元素組成和工業(yè)組成與熱值之間的相關(guān)性，探討利用傅里葉中外光譜技術(shù)(FT-MIR)對(duì)秸稈炭熱化工特性指標(biāo)快速測(cè)定的可行性，采集5種農(nóng)作物秸稈，在不同的炭化條件下進(jìn)行炭化處理，得到秸稈炭樣品共計(jì)175個(gè)，并按照相關(guān)標(biāo)準(zhǔn)測(cè)定其熱值、元素組成及工業(yè)組成的含量，同時(shí)采集樣品的中紅外透射光譜。對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，在簡單相關(guān)性分析和共線性診斷基礎(chǔ)上，分別建立基于元素組成、工業(yè)組成的熱值

2、預(yù)測(cè)模型;利用TQ Analyst8.3化學(xué)計(jì)量學(xué)軟件，通過光譜理化值共生距離法(SPXY)劃分樣本集后，采用不同預(yù)處理方法，結(jié)合偏最小二乘法(PLS)建立秸稈生物炭樣品的熱值、元素組成及工業(yè)組成的中紅外光譜定量分析模型。研究結(jié)果如下:
　　(1)從5種農(nóng)作物秸稈炭的熱值統(tǒng)計(jì)結(jié)果看，農(nóng)作物秸稈經(jīng)過炭化后，熱值增大。從5種農(nóng)作物秸稈炭的元素組成統(tǒng)計(jì)結(jié)果看，C元素含量最高，N元素含量最低。從5種農(nóng)作物秸稈炭的工業(yè)組成統(tǒng)計(jì)結(jié)果看，炭化后

3、灰分、固定碳含量提高;而揮發(fā)份含量降低;樣品中水分的含量變異系數(shù)較大，沒有明顯的變化趨勢(shì)。
　　(2)對(duì)比不同炭化條件下制備的秸稈炭樣品的熱化工特性指標(biāo)。結(jié)果顯示，秸稈種類及炭化溫度對(duì)熱值、元素組成及工業(yè)組成的影響較為明顯，保溫時(shí)間與升溫速率對(duì)熱化工特性影響小。隨著溫度的升高，熱值呈現(xiàn)先急后緩的增長趨勢(shì);秸稈炭的N、O、H元素含量隨著炭化終溫的升高而降低，C元素含量隨溫度的升高而增加;隨著炭化溫度的升高，灰分含量增加，揮發(fā)分含量減

4、少，固定碳含量增加。5種農(nóng)作物中，水稻秸稈炭的熱值最小，棉花和油菜的熱值相對(duì)較高;水稻秸稈炭的C元素含量最低，棉花秸稈炭的O元素含量最高，H元素含量無明顯差異;油菜與棉花的灰分含量較低，固定碳含量較高，而水稻秸稈炭的灰分含量最高，固定碳含量最低。
　　(3)建立了基于元素組成的高、低位預(yù)測(cè)模型。結(jié)果表明，主成分回歸模型預(yù)測(cè)精度優(yōu)于多元線性回歸模型，其中，高位熱值預(yù)測(cè)模型的決定系數(shù)R2、預(yù)測(cè)標(biāo)準(zhǔn)差SEP、相對(duì)標(biāo)準(zhǔn)差RSD分別為0.7

5、5、1255.72 J·g-1、5.32％;低位熱值的決定系數(shù)R2、預(yù)測(cè)標(biāo)準(zhǔn)差SEP、相對(duì)標(biāo)準(zhǔn)差RSD分別為0.75、1274.88 J·g-1、5.32％。外部預(yù)測(cè)結(jié)果為:高、低位熱值預(yù)測(cè)模型的預(yù)測(cè)標(biāo)準(zhǔn)差SEP分別為1255.72 J·g-1、1274.88 J·g-1，相對(duì)標(biāo)準(zhǔn)差RSD分別為5.32％、5.32％。模型預(yù)測(cè)能力不高，只可用于熱值的大致估計(jì)，精度有待提高。
　　(4)建立了基于工業(yè)組成的熱值預(yù)測(cè)模型。結(jié)果表明，主

6、成分回歸方法能有效解決四個(gè)自變量間的共線性問題，預(yù)測(cè)效果優(yōu)于多元線性回歸方法，其中，高位熱值(HHV)預(yù)測(cè)模型的決定系數(shù)R2、預(yù)測(cè)標(biāo)準(zhǔn)差SEP、相對(duì)標(biāo)準(zhǔn)差RSD分別為0.86、1126.79 J·g-1、4.79％;低位熱值(LHV)預(yù)測(cè)模型決定系數(shù)R2、預(yù)測(cè)標(biāo)準(zhǔn)差SEP、相對(duì)標(biāo)準(zhǔn)差RSD分別為0.83、1167.25 J·g-1、4.93％。外部預(yù)測(cè)結(jié)果為:高、低位熱值預(yù)測(cè)模型的預(yù)測(cè)標(biāo)準(zhǔn)差SEP分別為1037.04 J·g-1、118

7、8.16 J·g-1，相對(duì)標(biāo)準(zhǔn)差RSD分別為4.41％、4.91％。高、低位熱值預(yù)測(cè)模型可用于實(shí)際估測(cè)中。
　　(5)構(gòu)建農(nóng)作物秸稈炭樣品高、低位熱值的FT-MIR定量分析模型，并采取獨(dú)立驗(yàn)證集驗(yàn)證模型預(yù)測(cè)效果。結(jié)果顯示，高位熱值的驗(yàn)證集相關(guān)系數(shù)Rp為0.91，驗(yàn)證均方根誤差RMSEP為614 J·g-1，相對(duì)標(biāo)準(zhǔn)差RSD為2.61％;低位熱值的驗(yàn)證集相關(guān)系數(shù)RP為0.87，驗(yàn)證均方根誤差RMSEP為707 J·g-1，相對(duì)標(biāo)準(zhǔn)差

8、RSD為3.12％。結(jié)果表明，高、低熱值檢測(cè)模型可用于實(shí)際應(yīng)用。
　　(6)構(gòu)建生物質(zhì)秸稈炭樣品C、N、O、H元素的FT-MIR定量分析模型，采取獨(dú)立驗(yàn)證集驗(yàn)證模型預(yù)測(cè)效果。外部驗(yàn)證結(jié)果顯示，C元素驗(yàn)證集相關(guān)系數(shù)RP為0.90，驗(yàn)證均方根誤差RMSEP為2.44％，相對(duì)標(biāo)準(zhǔn)差RSD為4.07％;N元素驗(yàn)證集相關(guān)系數(shù)RP為0.75，驗(yàn)證均方根誤差RMSEP為0.31％，相對(duì)標(biāo)準(zhǔn)差RSD為22.46％;O元素驗(yàn)證集相關(guān)系數(shù)RP為0.9

9、2，驗(yàn)證均方根誤差RMSEP為1.35％，相對(duì)標(biāo)準(zhǔn)差RSD為9.74％;H元素驗(yàn)證集相關(guān)系數(shù)RP為0.81，驗(yàn)證均方根誤差RMSEP為0.48％，相對(duì)標(biāo)準(zhǔn)差RSD為13.6％。結(jié)果表明，C元素與O元素檢測(cè)模型可用于實(shí)際預(yù)測(cè)中;H元素檢測(cè)模型的精度還有待提高;N元素預(yù)測(cè)模型不可用于實(shí)際預(yù)測(cè)中。
　　(7)構(gòu)建生物質(zhì)秸稈炭樣品灰分、揮發(fā)分、固定碳含量的FT-MIR定量分析模型，采取獨(dú)立驗(yàn)證集驗(yàn)證模型預(yù)測(cè)效果。外部驗(yàn)證結(jié)果顯示，灰分驗(yàn)證