基于机器学习的Geldart A类加重质流化床的床层膨胀特性研究

为了预测Geldart A类加重质的膨胀特征,通过床层塌落试验,研究了床层流化过程中的气泡相和乳化相的组成与操作因素之间的关联,构建了操作气速、静止床高以及床层膨胀高度的数据集,进行了数据统计分布和相关性分析,利用具有最佳超参数的GBDT模型成功模拟了膨胀高度和影响变量之间的非线性关系,分析了特征变量的敏感性。结果表明,随着气速的逐渐增加,乳化相与气泡相的膨胀呈现先增加并略有减小的规律。对于不同的初始床高与床层膨胀高度,气泡相组成不受其变化的影响且组成比例相对稳定。操作气速的重要性得分是0.68,是膨胀高度最敏感的变量。而静止床高的重要得分仅为0.32,表明此变量对床层膨胀的影响较小。此外,由部分相关性分析可知,床层的膨胀高度对操作气速的依赖性具有一定的敏感性区间。