基于机器学习的多孔生物炭吸附CO₂性能预测

作者：陈一飞; 张晓晴; 谭康豪; 汪俊松; 覃英宏

来源：土木与环境工程学报中英文, 2023, 1-9.

• 生物炭
• 机器学习
• CO2吸附
• 特征重要性
• 部分依赖图

CO2的捕集与封存（CCS）是一种潜力巨大的减排措施。多孔生物炭含有丰富的多尺度孔隙结构，使其具有优异的CO2吸附性能。针对传统以试验数据建立的CO2吸附预测模型存在精度低、计算复杂等不足，采用梯度提升决策树（GBDT）、极端梯度增强算法（XGB）、轻型梯度增压机算法（LGBM）等机器学习方法对生物炭吸附CO2进行模型预测，并对预测结果进行对比分析。结果表明：影响CO2吸附量的前3个因素依次为生物炭的比表面积、C含量、O含量。3种算法均可以有效地预测生物炭对CO2吸附性能。相比之下，LGBM的预测精度最高，达到94%;GBDT在异常样本数据处理方面有显著优势；而XGB对不同测试集变化的预测结果更加稳定。在设计生物炭吸附性能时，不应盲目追求过高的表面积。建议生物炭C含量优先选择83%～88%之间，O含量优先选择15%～18%之间为宜。

• 单位
  广西大学; 华南理工大学; 建筑工程学院