CN118839827B 生物炭基肥制备的信息化管理方法及系统 （深圳碳中和生物燃气股份有限公司）

司道福中福社区西乡金海路碧海中心区炭质量数据集和炭化过程参数集对第一制备参本申请实现了生物炭基肥制备过程的智能化管2对所述第一制备参数组合进行矩阵化和标准化处理，得到制备过根据所述目标参数执行模式获取炭化后的生物炭和炭化过程参数集根据所述生物炭质量数据集和所述炭化过程参数集对所述第一制备参数组合进行参根据所述制备过程特征矩阵生成特征向量集，并根据所述特征3对所述相似度矩阵进行中心性评分计算，得到初始中心性评分，对所述特征关系网络进行特征聚类，得到特征聚类结果，并根对所述多尺度中心性指标进行综合评价，得到综合中心性得分，对所述关键特征序列进行特征权重分析，得到特征重要性权重根据所述目标参数执行模式生成炭化工艺参数集，并根据所述炭对所述炭化后的生物炭进行傅里叶变换红外光谱扫描，得到红外对所述标准化光谱数据进行特征提取，得到光谱特征向量，并对所根据所述元素组成数据计算元素比例和含量指标，得到元素对所述生物炭质量数据集和所述炭化过程参数集进行关联分析，得到参数相关性矩根据所述参数相关性矩阵构建初始预测模型，并对所述初始预测模根据所述优化后的神经网络模型对所述第一制备参数组合进行对所述参数敏感度排序进行层次分析，得到敏感度权重向量，并根对所述优化目标函数进行粒子群优化，得到候选参数集，并根据对所述参数概率分布进行置信区间分析，得到参数可信范围，并根据4处理模块，用于对所述参数向量集进行局部优化和全局优化处理矩阵化模块，用于对所述第一制备参数组合进行矩阵化执行模块，用于对所述制备过程特征矩阵进行特征向量中心分析模块，用于根据所述目标参数执行模式获取炭化后的生物炭和炭化过程参数集，参数优化模块，用于根据所述生物炭质量数据集和所述炭化过程参6.一种生物炭基肥制备的信息化管理设备，其所述至少一个处理器调用所述存储器中的所述指令，以使得所述息化管理设备执行如权利要求1_4中任一项所述的生物炭基述指令被处理器执行时实现如权利要求1_4中任一项所述的生物炭基肥制备的信息化管理5[0011]根据所述生物炭质量数据集和所述炭化过程参数集对所述第一制备参数组合进678参数矩阵保留了原始数据的主要特征和变化趋势。对降维参数矩阵进行信息增益比计算，9生物炭基肥的热解温度进行离散化处理。将连续的温度范围分为若干个离散的温度区间。B=[b,b2,b3]则添加剂特征矩阵为：数6:6=6-avL(6)，其中a是学习率。经过若干次迭代后，在每个区域内找到；fz(x,y)，帕累托最优解集中的解满足在f;;;到参数统计特征集S。这些统计量能够反映各参数的分布特性。对参数统计特征集进行变[0079]A=W·D；[0081]AXW·H；表示v和v的余弦相似度。得到相似度矩到初始中心性评分集c={cn(v1),cn(v2),.…,cn(vn)}。根据初类似于初始中心性评分，而类间中心性可以通过计算簇中心与其他簇中心的相似度来实ctoai(v)=acinta(v)+Bcinrer(v)；[0095]其中a和p是权重系数，cinta(v)和cinrer(v)分别表示特征向量v的类内中心[0096]y=xw+e；P={(T,p,t)300℃≤T≤700c,1≤p≤5bar,30≤t≤120min}。压力和气体组成进行实时监测，记录每个时刻的参数值，得到炭化过程参数集谱数据在相同尺度上。基线校正和归一化处理后的光谱数据可以表示为S={s(入)i=1,2,..,m}，其中s(入)表示在波长hi处的光谱强度。对标准化光谱通过XRF光谱仪获取生物炭的元素组成数据。XRF光谱能够提供生物炭中各元素的定量信最小二乘回归模型可以表示为：[0106]Y=FB+E;敏感性分析，评估每个过程参数对模型输出的影响程度。假设有一个神经网络模型[0117]对优化目标函数进行粒子群优化。粒子群优化是一种基于群体智能的优化算干个候选参数组合C1,C2,…,cn，通过统计每个参数的取值，得到参数的概率分布P(Q)。[0123]分析模块205，用于根据目标参数执行模式获取炭化后的生物炭和炭化过程参数[0124]参数优化模块206，用于根据生物炭质量数据集和炭化过程参数集对第一制备参[