西南大学杨仕副教授等：基于机器学习的空气源热泵干燥能耗回归预测

*载下**文章全文：http://www.tcsae.org/cn/article/doi/10.11975/j.issn.1002-6819.202310114

《农业工程学报》2024年第40卷第2期刊载了 西南大学 等单位 杨仕、陈维汉、杨明金、张原、李守太、蒲应俊、杨玲与宋卫东 的论文——“基于机器学习的空气源热泵干燥能耗回归预测”。该研究由国家自然科学基金项目（项目号：31301575）等资助。

引文信息：杨仕，陈维汉，杨明金，等. 基于机器学习的空气源热泵干燥能耗回归预测[J]. 农业工程学报，2024，40(2)：41-51.

DOI: 10.11975/j.issn.1002-6819.202310114

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 对能耗拟合的决定系数为 0.739 ，对物料结束含水率拟合的决定系数为 0.931 ； BPNN模型 使用Sigmoid函数作为激活函数时对能耗拟合的决定系数最高，为 0.828 ，使用Identity函数作为激活函数时对物料结束含水率拟合的决定系数最高，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4 h 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15.066 kW·h， MLRM模型和BPNN模型 的预测总能耗分别为14.476 kW·h、15.183 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精准预测的有效手段 ，对于优化干燥工艺和降低干燥能耗具有实际意义。