基于機器學習算法的生物質(zhì)水熱炭特性的預測與評價

摘要： 文章利用從文獻中收集的305組水熱炭的基礎特性數(shù)據(jù)，采用決策樹、隨機森林、梯度提升樹3種機器學習算法建立水熱炭基礎特性的單任務和多任務預測模型，并利用SHAP法研究輸入特征參數(shù)對水熱炭基礎特性影響的差異。結果表明：在3種機器學習算法中，梯度提升樹模型在水熱炭基礎特性的多任務和單任務預測過程中，均體現(xiàn)出最高的準確性，測試集的平均相關系數(shù)分別為0.89和0.87，均方根誤差分別為0... （共9頁）