基于机器学习的生物质热解高值化利用研究进展

生物质热解是一种高效的生物质资源利用方式,然而热解过程影响因素众多,传统方法很难全面了解影响因素与热解结果之间的关联。为了解决这一问题,研究人员采用机器学习方法建立生物质热解模型,并针对模型的优化与应用开展深入研究。鉴于此,本综述在简单介绍机器学习方法的基础上,从热解动力学参数、热解产物产率和热解产物特性3个方面,对应用机器学习方法建立生物质热解过程模型的相关工作进行了总结,寻找热解条件与热解结果之间关联性的规律。同时讨论了机器学习在生物质热解领域的相关研究中存在的问题和未来的研究方向,以期进一步推动机器学习方法在生物质热解领域的发展和应用。