[發明專利]一種CO2

在審

• 申請號: 202210141648.5
• 申請日: 2022-02-16
• 公開（公告）號: CN114492203A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 黃慧瓊;陳結;蒲源源;朱超;劉博;王大琳
• 申請（專利權）人: 重慶大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N20/00
• 代理公司: 重慶信航知識產權代理有限公司 50218
• 代理人: 穆祥維

1.一種CO₂礦化礦山固廢材料的參數優化方法，其特征在于，包括以下步驟：

S1、收集已知的CO₂礦化礦山固廢材料工藝過程的影響因素作為機器學習模型的數據集；

S2、對收集的數據集進行預處理；

S3、利用機器學習建立CO₂礦化礦山固廢材料工藝參數初始模型；

S4、利用數字孿生技術1∶1重構還原實際的CO₂礦化礦山固廢材料工藝過程，構建CO₂礦化礦山固廢材料的數字孿生系統；

S5、將步驟S3中初始模型的模型參數，輸入步驟S4構建的數字孿生系統中，對未知礦山固廢材料的CO₂礦化過程進行模擬預測，得到預測參數；

S6、將步驟S5獲得的預測參數與步驟S3建立的模型進行匹配、優化，形成CO₂礦化礦山固廢材料工藝參數優化模型；

S7、根據步驟S6形成的CO₂礦化礦山固廢材料工藝參數優化模型，再次調控CO₂礦化礦山固廢材料工藝過程，從而獲得最佳的CO₂礦化礦山固廢材料工藝。

2.根據權利要求1所述的CO₂礦化礦山固廢材料的參數優化方法，其特征在于，所述步驟S1中具體包括以下步驟：

S11、獲取包括尾砂、矸石在內的礦山固廢原材料；

S12、確定包括尾砂的比重、粒徑級配及化學成分在內的原材料的性質；

S13、根據CO₂礦化礦山固廢材料工藝與原材料基本物化特性，確定包括粒徑大小、比表面積、反應器的溫度與壓力在內的礦化工藝參數；

S14、根據CO₂礦化礦山固廢材料反應過程進行室內試驗，測量包括粒徑大小、比表面積、反應器的溫度與壓力在內的礦化工藝參數；

S15、利用步驟S14試驗后的結果，整理出CO₂礦化礦山固廢材料的影響因素并整理成數據集，同時搜集已有的文獻資料，將對應的礦化工藝參數數據信息同樣作為數據集。

3.根據權利要求1所述的CO₂礦化礦山固廢材料的參數優化方法，其特征在于，所述步驟S2中具體包括以下步驟：

S21、對數據集進行歸一化處理；

S22、將歸一化處理后的數據集劃分為訓練集和測試集兩部分。

4.根據權利要求3所述的CO₂礦化礦山固廢材料的參數優化方法，其特征在于，所述步驟S3中具體包括以下步驟：

S31、選擇機器學習算法，所述機器學習算法包括但不限于決策樹、隨機森林、神經網絡、邏輯回歸、支持向量機；

S32、在訓練集上進行機器學習算法的超參數確定；

S33、用確定超參數后的機器學習算法在整個訓練集上建立CO₂礦化礦山固廢材料工藝參數初始模型，并用測試集判斷該模型的可靠性。

5.根據權利要求4所述的CO₂礦化礦山固廢材料的參數優化方法，其特征在于，所述步驟S32中超參數確定的方法包括但不限于經驗法、網格搜索法以及優化算法，同時將超參數確定方法進行組合以完成對確定的超參數進行交叉驗證。

6.根據權利要求4所述的CO₂礦化礦山固廢材料的參數優化方法，其特征在于，所述步驟S33中模型的可靠性評價指標包括但不限于相關系數R以及均方根差RMSE，具體計算公式如下：

其中，N為樣本數目，y_i與分別為第i個樣本的實驗值與預測值，為數據集中實驗值的平均值，為數據集中預測值的平均值。