摘要
本发明提供了一种生物油分离提纯制备左旋葡萄糖酮的工艺优化方法,该方法首先收集以生物质选择性热解所得复杂生物油分子蒸馏分离提纯左旋葡萄糖酮(LGO)过程中的实验数据。随后,对数据进行预处理,形成处理后的数据集。接着构建轻量级梯度提升机器学习模型,采用训练数据优化模型参数配置,实现对复杂生物油分子蒸馏分离提纯LGO的工艺优化与效果准确预测。本发明基于机器学习技术构建应用于复杂生物油分子蒸馏分离提纯LGO过程中工艺优化与分离效果预测的数值模型,适用于工业生产中LGO分离效果监控与工艺优化,分析工艺参数对LGO分离效果的影响,为生物质选择性热解所得复杂生物油分离LGO技术的发展提供了有力支持。
技术关键词
生物油
生物质选择性热解
机器学习模型
工艺优化方法
正则化参数
蒸馏
提纯
左旋葡萄糖酮
分子
交叉验证方法
机器学习技术
模型超参数
误差
训练集数据
特征工程
多层次
工业生产