[發明專利]基于野馬算法優化BP網絡的生物炭制備的優化方法

有效

• 申請號: 202310889970.0
• 申請日: 2023-07-20
• 公開（公告）號: CN116612837B
• 公開（公告）日: 2023-10-20
• 發明（設計）人: 王旻昊;梁昔明;袁冬海;王家卓;王晨;高曉宇;熊思宇;寇瑩瑩
• 申請（專利權）人: 北京建筑大學
• 主分類號: G16C20/70
• 分類號: G16C20/70;B01J20/20;B01J20/28;B01J20/30;C02F11/00;C01B32/05;G16C20/10;G16C60/00;G06N3/006;G06N3/048;G06N3/084;C02F101/20
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 李冉

1.一種基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，包括以下步驟：

S1、在不同實驗制備條件下制備共熱解生物炭材料，將不同實驗制備條件及對應的共熱解生物炭材料的比表面積和對重金屬的吸附容量作為數據樣本；

S2、以熱解溫度、熱解時間、秸稈粉末和塑料顆粒的比例以及初始pH為輸入參數，以共熱解生物炭材料的比表面積和對重金屬的吸附容量為輸出參數，搭建BP神經網絡模型；

S3、采用野馬優化算法對BP神經網絡模型的初始參數進行優化，并利用數據樣本對優化后的BP神經網絡模型進行訓練；

S4、基于訓練好的BP神經網絡模型對其他實驗制備條件下的共熱解生物炭材料的比表面積和對重金屬的吸附容量進行預測；

S5、將BP神經網絡模型作為適應度函數輸入至野馬優化算法中，將實驗制備條件作為種群個體，將BP神經網絡模型的輸出作為適應度值輸出，得到最大比表面積或最大重金屬的吸附容量下實驗制備條件。

2.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S1中，共熱解生物炭材料的制備過程包括：

將農業秸稈粉碎，得到秸稈粉末；

將秸稈粉末與塑料顆粒混合后在管式爐中進行熱解，冷卻后得到共熱解生物炭材料；其中，熱解溫度為350-700℃，熱解時間為0.5-2h，秸稈粉末和塑料顆粒混合的質量比為3:7-4:1，初始pH值為3.0-11.0。

3.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S1中，制備的共熱解生物炭材料的比表面積為100-600?m²/g，對重金屬的吸附容量100-400?mg/g。

4.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S2中，搭建BP神經網絡模型之前，還包括對數據樣本進行歸一化處理。

5.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S2中，BP神經網絡模型包括3層結構，分別為：輸入層、隱含層和輸出層；

其中，輸入層節點數為4，隱含層節點數為8，輸出層節點數為2；

隱含層神經元的激活函數為S型正切函數tansig，輸出層神經元的激活函數為線性函數purelin。

6.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S3中，野馬優化算法的各參數選取如下：最大迭代次數取500，種群規模選擇30，種馬在種群中的占比PS取0.2，馬匹的交配概率PC取0.13，自變量下界取-2，上界取2。

7.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S3中，采用野馬優化算法對BP神經網絡模型的初始參數進行優化時，以BP神經網絡模型的均方誤差作為適應度函數。

8.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S3中，將數據樣本分為訓練集和測試集；利用訓練集對BP神經網絡模型進行訓練，并調整BP神經網絡模型的參數；利用測試集對訓練后的BP神經網絡模型進行測試，若BP神經網絡模型對共熱解生物炭材料的比表面積擬合誤差和對重金屬吸附容量的擬合誤差均小于0.05，則BP神經網絡模型訓練完成。

9.根據權利要求1所述的基于野馬算法優化BP網絡的生物炭制備的優化方法，其特征在于，S5中，野馬優化算法的各參數選取如下：最大迭代次數取500，種群規模選擇30，種馬在種群中的占比PS取0.2，馬匹的交配概率PC取0.13，問題維數為4，自變量下界為lb，上界為ub。