数字农科院2.0

基于机器学习的空气源热泵干燥能耗回归预测

文献类型： 中文期刊

作者： 杨仕;陈维汉;杨明金;张原;李守太;蒲应俊;杨玲;宋卫东

作者机构：

关键词： 热泵干燥;能耗模型;回归预测;机器学习;工艺切分

期刊名称：农业工程学报

ISSN： 1002-6819

年卷期： 2024 年

页码：

收录情况： EI（2024版） ; ; 北大核心（2023版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2024版） ; ; 农林核心（2020版）

摘要： 为了降低空气源热泵干燥过程能耗，研究了空气源热泵干燥能耗特性，采用多元线性回归模型（multivariate linear regression model, MLRM）和BP神经网络（back propagation neural network, BPNN）模型预测能耗的方法来预测干燥工艺能耗。在分析干燥能耗影响特征参数的基础上，提出将干燥工艺过程进行切分处理的方法以降低数据获取难度。选取烘房设定温度、烘房设定湿度、烘房初始温度、烘房初始湿度、环境平均温度、环境平均湿度、物料质量和初始含水率8个特征参数作为模型输入，能耗和物料结束含水率作为模型输出。使用MLRM模型、BPNN模型和其他机器学习模型进行能耗预测，MLRM模型对能耗的决定系数为0.739，对物料结束含水率的决定系数为0.931;BPNN模型使用Sigmoid函数作为激活函数时对能耗的决定系数最高，为0.828，使用Identity函数作为激活函数时对物料结束含水率的决定系数最高，为0.942，拟合效果优于其他机器学习模型，能够满足实际生产需求。以复水豌豆为干燥对象设计加载物料65 kg、持续时间4h的完整变温变湿干燥工艺进行验证试验，结果表明：试验总能耗为15.066k W·h,MLRM模型和BPNN模型的预测总能耗分别为14.475 kW·h、15.182 kW·h，预测精度分别为96.08%、99.23%；试验结束含水率为8.541%,MLRM模型和BPNN模型的预测结束含水率分别为9.560%、8.889%，预测精度分别为88.07%、95.93%。该研究提出了一种使用MLRM模型和BPNN模型对空气源热泵干燥能耗进行分段预测的有效手段，并通过试验验证了模型精度可靠，对于优化干燥工艺和降低干燥能耗具有实际意义。

分类号：

  • 相关文献

[1]青花椒热泵干燥特性及工艺参数优化. 王子轩,蒲应俊,杨明金,谭均,杨玲,宋卫东. 2022

[2]饲粮维生素E水平对鹅免疫和抗氧化功能的影响. 王宝维,周小乔,葛文华,张名爱,岳斌,史雪萍,王晓晓. 2013

[3]茶油掺伪的数学回归模型研究. 彭思敏,林谦,吴卫国. 2018

[4]干旱低温复合胁迫对茶树光合生理特性的影响及模拟预测. 赵茜,刘倩,蔡何佳奕,何婕绮,方筠雅,刘雨欣,陈超,郑曜东,张天经,余文娟,杨广. 2025

[5]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[6]Global dynamics of streptococcus agalactiae antibiotic resistance: Past, present, and future. 房辉,,李东航,, 魏夏夏 ,,王仁东,, 苏燕燕 ,,于佑任,, 白航铭,, 高会会,,侯捷,,毛大庆,,罗义. 2025

[7]Multiomics and machine learning unveil root exudate-microbiota interactions for cadmium control in rice. 李烨,,侯捷,,刘孟琪,,杜兆林,,陈洪安,,刘国飞,,王雅君,,姚彦坡,,孙佩哲,,赵林,,安毅. 2025

[8]Machine Learning-Driven Prediction of Nitrogen Loss in Organic Solid Waste Composting. Haoran Mi, Dawei Gao, Deling Yuan, Xiao Liu, Lili Gao, Shengping Li, Yuanwang Liu. 2025

[9]基于深度学习的自然语言处理技术的发展及其在农业领域的应用. 崔运鹏,王健,刘娟. 2019

[10]基于文献计量的植物表型组学研究进展分析. 李晓曼,张扬,徐倩,谢能付. 2019

[11]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[12]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[13]基于机器学习的焦油预测模型研究. 郭东锋,刘新民,姚忠达,舒俊生,胡海洲. 2015

[14]稀疏分层概率自组织图实例迁移学习方法. 吴蕾,田儒雅,张学福. 2016

[15]可见光光谱和机器学习的温室黄瓜霜霉病严重度定量估算. 张领先,田潇,李云霞,陈运强,陈英义,马浚诚. 2020

[16]基于机器学习算法的烤烟香型分类研究. 郭东锋,闫宁,胡海洲,刘非,邹鹏,窦玉青,张忠锋,舒俊生. 2016

[17]基于机器学习和可见光光谱的冬小麦叶片氮积累量估算. 崔日鲜,刘亚东,付金东. 2016

[18]基于高光谱遥感和集成学习方法的冬小麦产量估测研究. 费帅鹏,禹小龙,兰铭,李雷,夏先春,何中虎,肖永贵. 2021

[19]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

[20]基于随机森林算法的草原地上生物量遥感估算方法研究. 邢晓语,杨秀春,徐斌,金云翔,郭剑,陈昂,杨东,王平,朱立博. 2021

作者其他论文 更多>>