跳到正文
原文
Energy(Elsevier 期刊)·· 4 天前AI 评分44

可解释机器学习预测煤热解焦油与气体分布并解析结构—产物关系

Interpretable Machine Learning for Predicting Tar and Gas Distributions During Coal Pyrolysis and Exploring Structure–Product Relationships

AI 导读

研究将ReaxFF反应分子动力学与可解释机器学习耦合,对161个不同煤阶的煤大分子模型热解模拟数据建模,分别预测半焦、轻质焦油、重质焦油、热解气和热解水的质量分数。半焦、热解气和重质焦油的最优模型GBR、PLS、XGBoost测试集R²分别为0.9920、0.9977和0.8909。SHAP分析显示O-linked methylene与重质焦油正相关,H/C比是热解气模型的首要结构特征。

阅读原文

来源:Energy(Elsevier 期刊) · sciencedirect.com