-
题名ML-QSPR方法预测煤基液体的燃料性能
- 1
-
-
作者
李文英
王香玲
范欢欢
范鸿霞
冯杰
-
机构
太原理工大学
北京怀柔实验室
怀柔实验室山西研究院
-
出处
《煤炭学报》
EI
CAS
CSCD
北大核心
2024年第2期1098-1110,共13页
-
基金
中国神华煤制油化工有限公司科技创新资助项目(MZYHG-22-02)。
-
文摘
煤基液体混合物如煤焦油、煤直接液化油的分子结构描述和性质预测是开发煤基液体产品高值化工艺和技术的重要基础。由于煤基液体主要由C、H、O、N、S元素构成数量庞杂、芳环结构各异的混合物,因此,使用Python中的RDKit工具包,利用简化分子线性输入规范(Simplified Molecular Input Line Entry System,SMILES)语言构建煤基液体中物质分子描述符,描述符包含样品元素信息、环数与环结构信息、原子数及分子量信息等共计115个分子描述符。对比人工信息提取方法,将所构建的分子描述符能够体现煤基液体分子结构碎片、分子量及原子个数信息等作为机器学习的特征输入变量,用于建立预测煤基液体的燃料性能的分子机器学习-定量结构性质关系方法 (ML-QSPR),实现对燃料低位热值(LHV)、液体密度(ρ)、闪点(FP)、十六烷值(CN)4个关键燃料性能参数的快速预测。模型验证分析表明LHV、ρ、FP模型的R^(2)分别为0.996、0.988、0.987;CN预测中加入混合物数据进行预测,R^(2)=0.959。与已公开报道的预测LHV、ρ、FP、CN性质方法对比,笔者提出ML-QSPR方法在预测4个关键燃料性能参数准确度方面有提升,在获取结果速度方面有显著优势。利用ML-QSPR模型预测得到的煤基液体制特种燃料性能参数数据库中的信息,分析增加不同族组分物质的碳原子数量时4个燃料性能参数的演变趋势,发现LHV、ρ、FP、CN四个燃料性能参数均受碳数(n)影响显著。由于LHV主要由n决定,不同族组分物质的LHV差距小;而不同族组分物质的ρ、FP和CN性质差距明显。此外,本研究训练好的模型可用于预测新的分子,为新型燃料分子设计提供参考;ML-QSPR方法作为迁移学习模型可在今后用于煤基液体其他场景相关理化性质的分析。
-
关键词
煤焦油
煤直接液化油
煤结构
煤组成成分
分子描述符
-
Keywords
coal tar
liquids from direct coal liquefaction
coal structure
coal composition
molecular descriptors
-
分类号
TQ53
[化学工程—煤化学工程]
V31
[航空宇航科学与技术—航空宇航推进理论与工程]
O21
[理学—概率论与数理统计]
-
-
题名九里山煤样成分的测定及两种脱硫方法的比较
- 2
-
-
作者
杨凯
张乐
侯兴武
-
机构
河南理工大学材料科学与工程学院
-
出处
《中国材料科技与设备》
2013年第6期65-67,共3页
-
文摘
本文对九里山煤样的组成成分进行了测定，而且通过使用两个不同的磁选机对煤样进行磁选脱硫试验，以确定哪个的脱硫效果更好一些，进而为磁选脱硫，减少硫污染问题寻找突破口。
-
关键词
煤组成成分
磁选机
脱硫
-
Keywords
Coal composition
Magnetic separator
Desulfurization
-
分类号
TD94
[矿业工程—选矿]
-
