一种基于支持向量和迁移学习的生物质气化实验设计及性能预测方法

本发明公开了一种基于支持向量和迁移学习的生物质气化实验设计及性能预测方法，包括：建立Aspen plus仿真模型，调节Aspen Plus模型中的气化温度与空气当量比，获得覆盖宽边界操作工况的生物质气化仿真数据集；将仿真数据集作为训练样本，构建仿真代理模型，搜索最优超参数；通过支持向量回归方法提取支持向量样本，设计实验工况点并采集实验数据得到实验数据集；将实验数据集作为模型输入样本，模型输出预测值；对模型预测结果线性迁移；对迁移后的结果与实验数据仍存在的差值进行二次修正，得到融合线性迁移和残差修正的高精度校准模型。本发明有效解决生物质气化实验数据获取成本高、仿真数据精度有限等问题，在有限实验样本下构建泛化能力更优、可解释性更强的模型，实现对产物分布的精准预测。