亚洲AV成人片无码网站玉蒲团,男人10处有痣是富贵痣,AV亚洲欧洲日产国码无码苍井空,日韩午夜欧美精品一二三四区

上海巖征實驗儀器有限公司

中級會員 | 第9年

: 18701759826

山東科技大學|李政宏在J. Energy Inst.期刊發表煤熱溶方向研究論文

時間：2025-5-26閱讀：242

論文分享

論文導讀

作者簡介

李政宏

山東科技大學化學與生物工程學院在讀研究生

PART.TWO

/ 論文摘要 /

Abstract

煤中的低分子量化合物（LMWC）是通過萃取和熱溶解（TD）獲得的可溶性成分，可以極大地影響煤炭的利用方法。考慮到煤可溶性比例的復雜性，機器學習算法被認為是可溶性比例分子信息的有效數據挖掘方法。在這項工作中，通過提取/TD 和機器學習算法的組合分析了來自不同類型煤的 LMWC。通過逐步提取和 TD，從 6 種類型的煤中獲得共 36 個煤提取物和 TD 產品樣品。所有樣品的傅里葉變換紅外（FTIR）光譜通過機器學習算法進行分類，包括無監督學習和監督學習方法。主成分分析（PCA）和 K-means 用于對 36 個樣品進行有效分類，溶劑類型的差異是決定樣品組分類的主要變量。PCA 處理的數據有利于 K-means 的準確分類。不對稱脂肪族-CH、對稱脂肪族-CH、-OH、對稱-CH3、不對稱-CH3、-CH2和相鄰H變形是影響層次聚類分析（HCA）的主要特征變量。-OH 是決定 HCA 分類的重要因素。對于人工神經網絡算法（ANN），CH2 或 CH3 、脂肪族 C-H 和 -OH 鍵是將這些樣本分為六組的最重要變量。通過受試者工作特征曲線驗證 ANN 模型的預測結果準確。通過機器學習算法鑒定關鍵官能團及其對煤樣分類的影響，為了解煤的分子特性提供了新的見解。

PART.THREE

/ 論文圖表/

Paper charts