论文部分内容阅读
为探究不同秸秆原料和炭化条件对秸秆炭样品热化工特性的影响,分析元素组成和工业组成与热值之间的相关性,探讨利用傅里叶中外光谱技术（FT-MIR）对秸秆炭热化工特性指标快速测定的可行性,采集5种农作物秸秆,在不同的炭化条件下进行炭化处理,得到秸秆炭样品共计175个,并按照相关标准测定其热值、元素组成及工业组成的含量,同时采集样品的中红外透射光谱。对实验数据进行统计分析,在简单相关性分析和共线性诊断基础上,分别建立基于元素组成、工业组成的热值预测模型;利用TQ Analyst 8.3化学计量学软件,通过光谱理化值共生距离法（SPXY）划分样本集后,采用不同预处理方法,结合偏最小二乘法（PLS）建立秸秆生物炭样品的热值、元素组成及工业组成的中红外光谱定量分析模型。研究结果如下:（1）从5种农作物秸秆炭的热值统计结果看,农作物秸秆经过炭化后,热值增大。从5种农作物秸秆炭的元素组成统计结果看,C元素含量最高,N元素含量最低。从5种农作物秸秆炭的工业组成统计结果看,炭化后灰分、固定碳含量提高;而挥发份含量降低;样品中水分的含量变异系数较大,没有明显的变化趋势。（2）对比不同炭化条件下制备的秸秆炭样品的热化工特性指标。结果显示,秸秆种类及炭化温度对热值、元素组成及工业组成的影响较为明显,保温时间与升温速率对热化工特性影响小。随着温度的升高,热值呈现先急后缓的增长趋势;秸秆炭的N、O、H元素含量随着炭化终温的升高而降低,C元素含量随温度的升高而增加;随着炭化温度的升高,灰分含量增加,挥发分含量减少,固定碳含量增加。5种农作物中,水稻秸秆炭的热值最小,棉花和油菜的热值相对较高;水稻秸秆炭的C元素含量最低,棉花秸秆炭的O元素含量最高,H元素含量无明显差异;油菜与棉花的灰分含量较低,固定碳含量较高,而水稻秸秆炭的灰分含量最高,固定碳含量最低。（3）建立了基于元素组成的高、低位预测模型。结果表明,主成分回归模型预测精度优于多元线性回归模型,其中,高位热值预测模型的决定系数R2、预测标准差SEP、相对标准差RSD分别为0.75、1255.72 J·g-1、5.32%;低位热值的决定系数R2、预测标准差SEP、相对标准差RSD分别为0.75、1274.88 J·g-1、5.32%。外部预测结果为:高、低位热值预测模型的预测标准差SEP分别为1255.72 J·g-1、1274.88 J·g-1,相对标准差RSD分别为5.32%、5.32%。模型预测能力不高,只可用于热值的大致估计,精度有待提高。（4）建立了基于工业组成的热值预测模型。结果表明,主成分回归方法能有效解决四个自变量间的共线性问题,预测效果优于多元线性回归方法,其中,高位热值（HHV）预测模型的决定系数R2、预测标准差SEP、相对标准差RSD分别为0.86、1126.79 J·g-1、4.79%;低位热值（LHV）预测模型决定系数R2、预测标准差SEP、相对标准差RSD分别为0.83、1167.25 J·g-1、4.93%。外部预测结果为:高、低位热值预测模型的预测标准差SEP分别为1037.04 J·g-1、1188.16 J·g-1,相对标准差RSD分别为4.41%、4.91%。高、低位热值预测模型可用于实际估测中。（5）构建农作物秸秆炭样品高、低位热值的FT-MIR定量分析模型,并采取独立验证集验证模型预测效果。结果显示,高位热值的验证集相关系数Rp为0.91,验证均方根误差RMSEP为614 J·g-1,相对标准差RSD为2.61%;低位热值的验证集相关系数RP为0.87,验证均方根误差RMSEP为707 J·g-1,相对标准差RSD为3.12%。结果表明,高、低热值检测模型可用于实际应用。（6）构建生物质秸秆炭样品C、N、O、H元素的FT-MIR定量分析模型,采取独立验证集验证模型预测效果。外部验证结果显示,C元素验证集相关系数RP为0.90,验证均方根误差RMSEP为2.44%,相对标准差RSD为4.07%;N元素验证集相关系数RP为0.75,验证均方根误差RMSEP为0.31%,相对标准差RSD为22.46%;O元素验证集相关系数RP为0.92,验证均方根误差RMSEP为1.35%,相对标准差RSD为9.74%;H元素验证集相关系数RP为0.81,验证均方根误差RMSEP为0.48%,相对标准差RSD为13.6%。结果表明,C元素与O元素检测模型可用于实际预测中;H元素检测模型的精度还有待提高;N元素预测模型不可用于实际预测中。（7）构建生物质秸秆炭样品灰分、挥发分、固定碳含量的FT-MIR定量分析模型,采取独立验证集验证模型预测效果。外部验证结果显示,灰分验证集相关系数RP为0.97,验证均方根误差RMSEP为1.59%,相对标准差RSD为9.64%;挥发分验证集相关系数RP为0.89,验证均方根误差RMSEP为4.17%,相对标准差RSD为14.35%;固定碳验证集相关系数RP为0.862,验证均方根误差RMSEP为4.79%,相对标准差RSD为9.21%。灰分检测模型可用于实际预测中;挥发分的精度还有待提高;固定碳检测模型的实测值与预测值的相关性较低,其预测能力有待提高。