24年数维杯数学建模竞赛一等奖-问题重述.pdfVIP

1问题重述

1.1研究背景

近年来，有关生物质与煤进行共热解的科学研究逐渐成为热点，其主要目标是通过设

计各种不同原料、工况的实验，掌握生物质与煤在共热解中的产物分布变化及其机理，即

所谓“协同效应”，为工业生产效益的最大化提供指导依据。

生物质和煤共热解是一种将生物质与煤混合，在无氧或低氧环境下加热，使其分解产

生气体、液体和固体产物的过程。这种技术的研究对于提高能源利用效率、减少环境污染

和实现可持续能源发展具有重要意义。因此，本文将立足于探究生物质与煤的共热解问题。

1.2文献综述

[1]

TangQinghui等通过相关性分析对六种不同生物质热解气相产物产率进行训练和测

试，建立了较为精确的热解产物预测模型。

[2]

高宁博和李爱民运用ML建立了固体废弃物热解产物预测模型，发现该模型对热解

气相产率预测精度较高，对热解焦油产率预测存在一定误差（10%）。

[3]

李延吉等运用灰色关联度方法，发现热解温度和物料挥发对生物质热解产物产率有

较高影响，采用3层改进ML方法建立预测模型，取得了较好的预测精度（5%）。

生物质和煤共热解过程中，不同组分之间存在极为复杂的交互作用，这极大地影响了

[4]

热解油、热解水、热解气和半焦的产率和组成。此外，基础模型的预测精度还明显受到

数据集的规模和核心方程的影响。目前基础模型对热解产物产率预测的相对误差一般在

5%-10%左右。

本研究在生物质和煤共热解实验结果的基础上，建立共热解数据集，对不同的基础模

型进行训练和测试。然后基于基础模型的预测表现，确立权重算法。再通过权重算法对基

础模型进行模型融合，最终建立能够根据基础模型预测表现调控优化输出结果的共热解产

物产率预测融合模型。

1.3问题重述

基于研究背景及附件数据建立的模型与数据处理方法，本文需解决以下问题：

问题1：根据附件1数据，分析正己烷不溶物(INS)对热解产率（主要考虑焦油产率、

水产率、焦渣产率）是否产生显著影响？并利用图像加以解释。

问题2：分析热解实验中的正己烷不溶物(INS)和混合比例，给出在哪些具体的热解产

物上样品重量和混合比例的交互效应最为明显？

问题3：根据附件1数据，请建立模型优化共解热混合比例，以提高产物利用率和能

源转化效率。

问题4：根据附件2数据，分析每种共热解组合的产物收率实验值与理论计算值之间

存在的显著性差异。然后通过对不同共热解组合的数据进行子组分析，得到实验值与理论

计算值之间的差异，并确定其在哪些混合比例上体现。

问题5：根据实验数据，请建立相应的模型，对热解产物产率进行预测。

1