买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明涉及垃圾焚烧飞灰处置技术，旨在提供一种基于可解释性机器学习的垃圾焚烧飞灰固碳量预测方法。包括：多来源收集和整理固碳量预测原始样本数据；原始样本数据预处理及数据集划分；多种机器学习预测模型的构建、训练及测试；多种机器学习预测模型对比评估；飞灰固碳量预测GUI程序开发；基于飞灰固碳量预测GUI程序的模型可靠性验证；基于最优预测模型的多方法可解释性对比分析；基于特征参数重要性排序定量反馈指导飞灰固碳工艺优化。本发明利用机器学习方法实现垃圾焚烧飞灰固碳量的快速、准确预测，无需实验即能确定飞灰的固碳量水平，节省人力成本和时间成本；能够定量确定飞灰处置工艺参数的最佳数值条件，对实际应用进行有效指导。

主权项：1.一种基于可解释性机器学习的垃圾焚烧飞灰固碳量预测方法，其特征在于，所述方法包括以下步骤：S1、多来源收集和整理固碳量预测原始样本数据从多种来源收集足量的垃圾焚烧飞灰碳酸化处置过程中的参数数据，以及对应的最终飞灰固碳量数据；其中，参数数据分为处置工艺参数和飞灰材料参数两类，均作为预测过程中使用的特征参数；在统一所有参数数据的数值单位后，组成用于飞灰固碳量预测的原始样本数据；所收集的最终飞灰固碳量数据则作为构成数据集的目标参数数据，即数据标签；S2、原始样本数据预处理及数据集划分针对步骤S1得到的原始样本数据进行清洗过滤和归一化的预处理操作，建立形成数据完整且格式标准的预测样本数据集；从中抽取一定比例的样本数据作为测试集，其余样本数据为训练集；S3、多种机器学习预测模型的构建、训练及测试基于预测样本训练集和测试集，构建多种机器学习预测模型；在确定各预测模型的最优超参数组合后分别进行各预测模型的训练及测试，最终输出各模型的垃圾焚烧飞灰固碳量预测结果；S4、多种机器学习预测模型对比评估依据预定的模型评估指标，对比分析多种机器学习预测模型的预测准确性和泛化性，确定其中一个为最优预测模型；S5、飞灰固碳量预测GUI程序开发将经训练的最优预测模型保存为模型文件，利用GUI程序代码加载后得到飞灰固碳量预测GUI程序；该程序能够根据导入的参数数据自动调用预测模型，经计算后获得预测的飞灰固碳量；S6、基于飞灰固碳量预测GUI程序的模型可靠性验证另外收集5～10个全新的数据样本，利用步骤S5中的GUI程序预测新收集样本的飞灰固碳量；计算新收集样本的固碳量真实值与预测值之间的平均残差，根据计算得到的平均残差验证所确定的最优预测模型在预测垃圾焚烧飞灰固碳量方面是否具有较高的可靠性；当平均残差满足预定条件时，认定预测模型可靠性验证合格；S7、基于最优预测模型的多方法可解释性对比分析针对步骤S6中经过验证合格的预测模型，利用多种模型可解释性分析方法分别获得各特征参数在预测垃圾焚烧飞灰固碳量方面的重要性排序结果；进行对比分析，如对比分析结果满足预定条件，则认定不同方法得到的特征参数重要性排序结果一致，从而确定一个最终的特征参数重要性排序结果；S8、基于特征参数重要性排序定量反馈指导飞灰固碳工艺优化根据步骤S7得到的特征参数重要性排序结果，识别并筛选出重要性排序最靠前的6个特征参数中的处置工艺参数；确定筛选出的处置工艺参数的数据调整范围，并按照设定的递增比例逐个从小至大地调整参数数值；基于调整后的特征参数数据，重新在飞灰固碳量预测GUI程序中获得一系列固碳量预测值；找到固碳量预测峰值对应的处置工艺参数数值，该数值即为此处置工艺参数的最佳数值条件，用于对实际工程应用中的垃圾焚烧飞灰固碳工艺优化进行反馈指导。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于可解释性机器学习的垃圾焚烧飞灰固碳量预测方法