生物质和煤热解产物产率的预测研究.pdfVIP

1问题5：生物质和煤热解产物产率的预测研究

1.1模型的建立与求解

在问题2中，以热解产物的产率（焦油产率、水产率、焦渣产率、正己烷可溶物产

率）作为因变量，样品g、焦油(Char)g及水(Water)mL）作为自变量，建立多元线性回

归模型，预测对热解产物产率。本小节中应用问题2建立的多元线性回归模型，对生物

质和煤热解产物产率进行预测。

1.2模型的灵敏度分析与稳健性检验

1.2.1ANOVA检验

[9]

对回归模型我们采用方差分析（ANOVA）进行检验。方差分析是一种假设检验，

它把观测总变异的平方和与自由度分解为对应不同变异来源的平方和与自由度，将某

种控制性因素所导致的系统性误差和其他随机性误差进行对比，从而推断各组样本之

间是否存在显著性差异，以分析该因素是否对总体存在显著性影响。

则SPPS输出检验结果如表1所示。

表1：ANOVA检验结果

上述方差分析的结果，对热解产物的产率（焦油产率、水产率、焦渣产率、正己

烷可溶物产率）预测模型的回归平方和、残差平方和、回归平方和的F值均呈现显著

性是0.000，小于显著水平0.05，因此我们认为建立的多元线性回归模型，对生物质和

煤热解产物产率进行预测有显著的效果。

1.2.2正态化检验

1

（a）模型（I）（b）模型（Ⅱ）

（c）模型（Ⅲ）（d）模型（Ⅳ）

图1：残差正态化概率密度曲线

图1是残差正态化概率密度曲线检验的结果示意图，从中可以看出，回归标准化的

残差服从正态分布，且呈现良好的趋势走向，说明我们使用古典回归模型估计热解产

物产率预测具有一定的准确性和科学性。

1.2.3灵敏性分析

[10]

灵敏性分析：检测估计值是否为疑似异常值。

在数据集中某一个观察值不寻常地大于或小于该数集中的期甚他数据,称为疑似异

常值.疑似异常值的存在,会对随后的计算结果产生不适当当的影响。检查疑似异常值并

加以适当的处理是十分重要的，利用箱线图中四分位距只要稍加修改就能用来检测数

据集是否存在疑似异常值。

定义四分位距一般数学表述为：

IQRQ3=−Q1(1)

QQ

其中，为样本数据的第一四分位数；为样本数据的第三四分位数。

13

同时假设正常值范围标准为：

Q−1.5IQR,Q+1.5IQR

13

若数据波动范围不在此范围内，则认为该数据为疑似异常值。

为此我们对热解产物产率进行预测估计范围结果如表2所示。

表2正常值估计范围

2

范围模型（I）模型（Ⅱ）模型（Ⅲ）模型（Ⅳ）

异常值下限00.030.26-0.06

异常值上限0.350.250.830.38

1.3结果分析

基于多元线性回归模型对热解产物产率预测进行加权处理，得到最优化结果。考

虑篇幅有限，只呈现前5项热解产物产率预测结果见表3所示。详细见附录2。