| 摘要 | 第7-9页 |
| Abstract | 第9-11页 |
| 1 绪论 | 第12-18页 |
| 1.1 研究目的与意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 生物炭热化工特性的研究 | 第14页 |
| 1.2.2 热值预测模型的研究 | 第14-15页 |
| 1.2.3 中红外光谱技术（MIR）的应用 | 第15-16页 |
| 1.3 研究内容与技术路线 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 技术路线 | 第16-18页 |
| 2 农作物秸秆炭热化工特性指标测定与分析 | 第18-35页 |
| 2.1 样品采集与制备 | 第18-20页 |
| 2.1.1 农作物秸秆样品采集 | 第18页 |
| 2.1.2 农作物秸秆炭制备 | 第18-20页 |
| 2.2 仪器与方法 | 第20-24页 |
| 2.2.1 实验仪器 | 第20-21页 |
| 2.2.2 热化工特性指标测定方法 | 第21-24页 |
| 2.3 结果与分析 | 第24-33页 |
| 2.3.1 秸秆炭热化工特性指标的测定结果 | 第24-26页 |
| 2.3.2 炭化工艺对高、低位热值的影响 | 第26-28页 |
| 2.3.3 炭化工艺对元素组成的影响 | 第28-30页 |
| 2.3.4 炭化工艺对秸秆炭工业组成的影响 | 第30-33页 |
| 2.4 本章小结 | 第33-35页 |
| 3 基于元素和工业组成的秸秆炭热值预测模型构建 | 第35-48页 |
| 3.1 材料与方法 | 第35-40页 |
| 3.1.1 秸秆收集与秸秆炭制备 | 第35页 |
| 3.1.2 热值、元素组成与工业组成的测定 | 第35页 |
| 3.1.3 异常样品剔除 | 第35-36页 |
| 3.1.4 相关性分析 | 第36页 |
| 3.1.5 多重共线性诊断 | 第36-37页 |
| 3.1.6 预测模型建立方法 | 第37-39页 |
| 3.1.7 模型评价指标 | 第39-40页 |
| 3.2 基于元素组成的热值预测模型建立 | 第40-43页 |
| 3.2.1 异常样品剔除 | 第40页 |
| 3.2.2 样本集划分 | 第40页 |
| 3.2.3 多元线性回归模型建立 | 第40-41页 |
| 3.2.4 主成分回归模型建立 | 第41-42页 |
| 3.2.5 模型验证 | 第42-43页 |
| 3.3 基于工业组成的热值预测模型建立 | 第43-46页 |
| 3.3.1 异常样品剔除 | 第43页 |
| 3.3.2 样本集划分 | 第43-44页 |
| 3.3.3 多元线性回归模型建立 | 第44页 |
| 3.3.4 主成分回归模型建立 | 第44-46页 |
| 3.3.5 模型验证 | 第46页 |
| 3.4 结果与讨论 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 基于傅里叶中红外（FT-MIR）的热化工特性指标模型构建 | 第48-68页 |
| 4.1 材料与方法 | 第48-53页 |
| 4.1.1 样品采集与制备 | 第48页 |
| 4.1.2 热化工特性指标的测定 | 第48页 |
| 4.1.3 样品光谱采集 | 第48页 |
| 4.1.4 异常样品剔除 | 第48页 |
| 4.1.5 样本集划分 | 第48-49页 |
| 4.1.6 最适主因子的确定 | 第49页 |
| 4.1.7 光谱预处理 | 第49-51页 |
| 4.1.8 定量分析模型构建方法 | 第51-52页 |
| 4.1.9 模型优劣评价指标 | 第52-53页 |
| 4.2 结果与分析 | 第53-66页 |
| 4.2.1 秸秆炭样品红外光谱数据 | 第53-54页 |
| 4.2.2 基于FT-MIR的热值定量分析模型构建与验证 | 第54-57页 |
| 4.2.3 基于FT-MIR的元素组成定量分析模型构建与验证 | 第57-62页 |
| 4.2.4 基于FT-MIR的工业组成定量分析模型构建与验证 | 第62-66页 |
| 4.3 结果与讨论 | 第66-67页 |
| 4.4 本章小结 | 第67-68页 |
| 5 结论与展望 | 第68-71页 |
| 5.1 主要研究结论 | 第68-70页 |
| 5.2 主要存在的问题 | 第70页 |
| 5.3 下一步研究展望 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77页 |
