2023_“数维杯”问题B：棉秸秆热解的催化反应-详细解析含代码-编程知识

2023_“数维杯”问题B：棉秸秆热解的催化反应-详细解析含代码

题目翻译：

随着全球对可再生能源需求的不断增加，生物质能作为一种成熟的可再生能源得到了广泛的关注。棉花秸秆作为一种农业废弃物，因其丰富的纤维素、木质素等生物质成分而被视为重要的生物质资源。虽然棉花秸秆的热解可以产生各种形式的可再生能源，但其热解产物的质量和产量受到热解温度和催化剂等多种因素的影响。因此，研究棉秆热解产物的机理和性质（名词定义见附录），以及催化剂在热解过程中的机理和作用，对棉秆的有效利用和可持续发展具有重要意义。

某化工实验室采用模型化合物法建立了棉秆脱硫灰和模型化合物脱硫灰的热解组合。对不同混合比下的热解组合进行热解，研究了脱硫灰对棉秆热解产物的催化机理和影响。同时，在选择模型化合物时，需要考虑其在反应中的可控性和稳定性以及它们对棉茎秆热解的贡献。CE（低聚纤维素糖）和LG（木质素）是棉秆中纤维素和木质素的代表成分，可以代表棉秆本身的生物量特性。通过选择这两种组分作为模型化合物，可以更精细地控制实验条件，研究脱硫灰对不同生物质组分的靶向催化作用。因此，选择CE和LG作为模型化合物是基于对棉茎本身的生物量组成和化学结构特征的合理判断。实验结果见附录1和附录2。

脱硫灰/生物质热解实验采用10/100、20/100、30/100、40/100、50/100、60/100、80/100、100/100。这种混合比的选择是基于在这些实验条件下，平行实验的相对误差约为5%。如果选择的混合比太小，如5/100或7/100，相对误差会对实验结果产生显著影响，严重影响实验的探索和优化过程。如果有可能使用一个数学模型和人工智能学习来预测在数据有限的条件下的热解产物的产量，这不仅会大大减少需要进行实验优化的时间，同时也可以提供对热解产物分布变化趋势的准确指导。

请通过数学建模，完成以下问题：

对于附件一中的每个热解组合，分析热解产物（焦油、水、焦炭渣、合成气）的收率与相应热解组合的混合比的关系，并说明脱硫灰作为催化剂是否对促进棉秸秆、纤维素和木质素的热解有重要作用？
根据附件二，对于三种热解组合中的每一种，通过制作相应的图像，讨论了热解组合的混合比对产率的影响，并解释了每组热解气体的影响。
在相同比例的脱硫灰的催化作用下，CE和LG热解产物的产率以及热解气体组分的产率是否存在显著差异？请提供理由。
如何建立CE、LG等模型化合物的脱硫灰的催化反应机理模型，并建立反应动力学模型进行分析？
请在有限的数据条件下使用数学模型或人工智能学习方法来对热解产物的产量或数量进行预测。

附件一：三种热解-热解产物产率Combinations.xlsx

附件二：三种热解-热解气体产率Combinations.xlsx

附录

热解组合：脱硫灰棉茎；脱硫灰CE；脱硫灰-LG。

热解产品：焦油、水、水炭、合成气。脱硫灰、棉秆

热解气体成分： H2、CO、二氧化碳、甲烷、乙烷、丙烷、环丙烷、乙烯、丁烷。

脱硫火山灰和CE的热解气体组分： H2、CO、二氧化碳、甲烷、乙烷。

脱硫火山灰和LG的热解气体成分：H2、CO、二氧化碳、甲烷、乙烷。

本研究中的所有实验都是在相同的温度下进行的。

题目简析：本题的主要目的是预测，为数据分析与优化问题。

逐问详解

问题一解析：对于附件一中的每个热解组合，分析热解产物（焦油、水、焦炭渣、合成气）的收率与相应热解组合的混合比的关系，并说明脱硫灰作为催化剂是否对促进棉秸秆、纤维素和木质素的热解有重要作用？

根据题意，首先对附件一二的数据进行适当整理，读入程序：（这是题主手动整理后的xlsx）

import pandas as pd
dptab1=pd.read_excel('Bdata.xlsx',sheet_name='DP-tab1')
dptab2=pd.read_excel('Bdata.xlsx',sheet_name='DP-tab2')
dptab3=pd.read_excel('Bdata.xlsx',sheet_name='DP-tab3')
gctab1=pd.read_excel('Bdata.xlsx',sheet_name='GC-tab1')
gctab2=pd.read_excel('Bdata.xlsx',sheet_name='GC-tab2')
gctab3=pd.read_excel('Bdata.xlsx',sheet_name='GC-tab3')