排序方式: 共有18条查询结果,搜索用时 0 毫秒
1.
当前煤层气利用的主要方式是直接燃烧,该过程会产生大量温室气体(CO2)排放,且会造成稀缺资源的低附加值利用。为实现煤层气的高附加值利用,拟通过在煤中原位添加醋酸纤维和KOH活化的方法制备一种醋酸纤维/煤基分级多孔炭材料,并将其应用于煤层气直接裂解制氢,不仅可以获得高纯氢气,还能得到一定数量的纳米碳材料。醋酸纤维/煤基分级多孔炭在制备过程中需要考虑温度、碱碳质量比、溶剂量和其他碳源添加量对制备过程和转化率的影响,利用Design-expert软件对试验方案进行优化设计。通过响应曲面法和部分试验数据对各影响因素与转化率的关系进行分析,建立相应拟合回归方程,得出理论最优解。通过将最优解与试验结果进行对比分析,验证Design-expert软件在多因素多水平条件下的预测可靠性,同时也阐明最优条件下炭材料催化裂解煤层气的机理。结果表明,温度和碱碳质量比是醋酸纤维/煤基分级多孔炭制备过程的最大影响因素,建立相关因素与转化率之间的拟合回归方程并求出理论最优解。理论最优解与试验值之间的最大误差为3.05%,说明Design-expert软件对制备过程的优化准确可靠。醋酸纤维/煤基... 相似文献
2.
3.
为了更好地捕捉瓦斯浓度的时变规律及有效信息,实现对采煤工作面瓦斯浓度的精准预测,采用麻雀搜索算法(SSA)优化长短期记忆(LSTM)网络,提出了一种基于SSA-LSTM的瓦斯浓度预测模型。采用均值替换法对原始瓦斯浓度时序数据中的缺失数据及异常数据进行处理,再进行归一化和小波阈值降噪;对比测试了SSA与灰狼优化(GWO)算法、粒子群优化(PSO)算法的性能差异,验证了SSA在寻优精度、收敛速度和适应能力等方面的优势;利用SSA的自适应性依次对LSTM的学习率、隐藏层节点个数、正则化参数等超参数进行寻优,以此来提高全局寻优能力,避免预测模型陷入局部最优;将得到的最佳超参数组合代入LSTM网络模型中,输出预测结果。将SSA-LSTM与LSTM、GWO-LSTM、PSO-LSTM瓦斯浓度预测模型进行比较,实验结果表明:基于SSA-LSTM的瓦斯浓度预测模型的均方根误差(RMSE)较LSTM,PSO-LSTM,GWO-LSTM分别减少了77.8%,58.9%,69.7%;平均绝对误差(MAE)分别减少了83.9%,37.8%,70%,采用SSA优化的LSTM预测模型相较于传统LSTM模型具有更高... 相似文献
4.
5.
为了研究氢气在煤液化油中的溶解规律和煤液化反应过程中的氢耗,选择煤液化油中几种代表性物质的混合组分十六烷-四氢萘、四氢萘-喹啉、十六烷-喹啉作为溶剂,利用平衡液相取样法气体溶解度测定装置,测定了氢气在上述溶剂中不同温度和压力下的溶解度数据(453.15 K~623.15 K,1 MPa~10 MPa),同时给出了氢气在这些混合溶剂体系中的溶解度规律.利用数学模型lnxH2=-a/T+6T+clnT+dlnPH2+e(式中参数可由氢气在相应溶剂中的溶解度数据关联得到)和P/N/A方法计算相关溶解度数据,发现该数学模型的计算预测值与实验值的平均绝对误差(η)在5.52%左右,而通过P/N/A方法的计算,预测值与实验值的平均绝对误差较大,这表明该数学模型在计算氢气在有机混合溶剂中的溶解度方面具有很好的应用价值. 相似文献
6.
为满足煤制油工业化过程中设计和操作需要,以H_2在神华煤液化油模型组分混合溶剂中实测溶解度为基础,考察利用人工神经网络法预测H_2在该系统中溶解度的能力。结果表明,神经网络的计算精度随着循环次数的增加而提高;对于不同种类的混合溶剂,随着隐藏层个数的增加,计算值与试验值之间的相对误差呈现逐渐减小的趋势,从减小计算量的角度考虑,选定为4个隐藏层;3-4-1网络结构对于H_2在不同混合溶剂中溶解度的计算值与试验值最大相对误差为4.48%,这表明该模型能够满足H_2在该系统中溶解度的预测需要。 相似文献
7.
氢转移对煤的加氢液化至关重要,理解氢转移机理对于改善煤液化过程具有重要意义。在微型反应釜中通过考察氢气的溶解、溶剂类型以及不同类型催化剂对煤高温快速液化的影响,揭示了煤高温快速液化过程中单原子氢和双原子氢的转移机理。结果表明,在以四氢萘、氢气为条件的高温快速液化过程中,主要的活性氢来源于溶剂所提供的单原子;在以四氢萘、氮气为条件的高温快速液化过程中,不同催化剂对溶剂提供单原子氢的影响不同。在以四氢萘和萘、氢气为条件的高温快速液化过程中,双原子氢基本未参与液化反应,溶解并不是其参与液化反应的主要影响因素。以萘为溶剂、氢气气氛下的高温快速液化过程中,双原子氢参与反应需要一定的时间。在以萘或四氢萘、氢气为条件的高温快速液化过程中通过加入一定量的催化剂,可以促使双原子氢快速参与反应。 相似文献
8.
9.
10.