工业大麻废弃物与聚氯乙烯共热解过程中TGA曲线的动力学分析及基于神经网络的预测

《Journal of Analytical and Applied Pyrolysis》：Kinetic Analysis and Neural Network-Based Prediction of TGA Curves during the Co-pyrolysis of Industrial Hemp Waste and Polyvinyl Chloride

工业大麻茎与聚氯乙烯共热解动力学及人工智能模型研究。通过多步反应模型和ANN（5*20*1）验证，揭示了不同温度区间下组分反应机理及活化能变化规律（P-H:82.87kJ/mol，P-P:286.06kJ/mol）。实时TG-FTIR监测显示，PVC促进纤维素热解并生成更多氢气等挥发物，形成的生物炭孔隙结构更优。该研究为农业废弃物与塑料协同热解资源化提供理论支撑。

　　本研究探讨了工业大麻茎（IHS）与聚氯乙烯（PVC）废弃物共热解的可行性，旨在通过科学手段实现两种材料的协同处理与高附加值利用。随着人类社会的快速发展，能源消耗持续增加，而当前世界主要依赖化石能源，这不仅对环境造成巨大压力，也难以满足可持续发展的需求。因此，开发可再生能源成为全球关注的焦点。生物质作为可再生能源的一种，具有广阔的应用前景，它不仅可以用于生产生物燃料，还能在工业、农业等领域发挥重要作用。尤其是在应对全球变暖和空气污染方面，生物质的利用显得尤为关键。

农业废弃物是生物质资源的重要组成部分，具有丰富的储量。在众多农业废弃物中，工业大麻茎作为一种典型的生物质原料，近年来因其在能源和材料方面的潜力而受到关注。据统计，全球已有超过25,000种不同的产品由工业大麻种子和生物质制成。中国作为世界上最大的农业国之一，每年都会产生大量农业废弃物，其中工业大麻茎的产量尤为可观。然而，传统上这些废弃物往往被直接焚烧或丢弃，不仅造成资源浪费，还对环境产生污染。因此，探索高效的利用方式成为研究的重点。

热解技术作为一种有效的资源回收手段，已被广泛应用于农业废弃物和塑料废弃物的处理。通过热解，可以将废弃物转化为有价值的生物燃料和生物炭，同时减少对环境的负面影响。已有研究表明，工业大麻茎的热解过程可以分为几个不同的温度区间，分别对应纤维素、半纤维素和木质素的分解。不同热解模型所得的活化能值，为理解产物形成路径和反应难度提供了重要依据。此外，研究还发现，将工业大麻茎与其他生物质或化石燃料（如煤炭、甘油、橡胶油等）进行共热解，可以显著改善液态和气态燃料的质量，同时改变所得生物炭的理化性质。这些研究结果不仅提升了能源回收效率，也拓展了工业大麻衍生产品在能源和材料领域的应用前景。

聚氯乙烯（PVC）作为一种常见的塑料材料，广泛应用于建筑、广告、室内设计等多个领域。然而，随着环保意识的增强，全球范围内对PVC的监管政策逐步收紧，尤其是在欧洲地区。例如，欧洲绿色协议强调推动循环经济，而PVC由于难以回收且在热解过程中可能释放有毒物质，正面临可能被禁用的讨论。此外，日本和加拿大等发达国家也在逐步限制PVC在一次性塑料和医疗设备中的使用。未来，随着监管的进一步加强，PVC废弃物的处理将成为一个重要的研究课题。

传统的处理方式如填埋和焚烧虽然能够处理大量PVC废弃物，但这些方法不仅导致资源浪费，还带来高昂的处理成本。此外，填埋和焚烧会产生二次污染物，如二噁英和呋喃，这些物质对环境和人类健康构成严重威胁。相比之下，生物质与PVC的共热解技术具有显著优势，它不仅能够降低处理成本，还能有效抑制有害物质的生成。通过共热解，PVC废弃物可以转化为高附加值的生物燃料和生物炭，同时将氯元素固定在生物炭中，减少其对环境的潜在危害。

人工神经网络（ANN）作为一种强大的数据建模工具，已被广泛应用于热解过程的研究。ANN能够处理复杂的数据集，模拟非线性关系，从而在热解过程中实现对热重数据的拟合、产物产率的预测以及操作条件的优化。现有的研究表明，ANN在模拟热解过程方面具有较高的准确性和良好的泛化能力，即使在数据量有限的情况下，也能通过交叉验证和正则化等策略有效避免过拟合。例如，Bi等人成功模拟了矸石与花生壳的共热解过程，而Xie等人则模拟了葡萄柚皮与染色污泥的共热解过程。然而，ANN尚未被用于预测工业大麻茎与PVC的共热解过程。

因此，本研究采用了多步反应模型，对纯工业大麻茎和与PVC共热解的伪组分的热解动力学参数、反应机制和热力学参数进行了系统研究。研究过程中，利用Fraser-Suzuki函数对工业大麻茎和与PVC共热解的混合物的热解曲线进行了分解，以识别各伪组分的反应行为。此外，还采用经验模型确定了各伪组分的反应机制函数，以更准确地描述热解过程。通过热重-傅里叶变换红外（TG-FTIR）光谱和扫描电子显微镜（SEM）技术，对热解过程中产生的气态产物和固态生物炭的微观形态进行了实时监测。这些技术手段的应用，为理解共热解过程提供了直观的证据。

同时，本研究还利用ANN模型对工业大麻茎与PVC的共热解过程进行了模拟和预测。通过ANN模型，研究人员能够构建一个高效的预测系统，以优化热解条件并提高产物的产率。ANN模型的引入，不仅提升了研究的深度，还为未来的工业应用提供了理论支持。研究结果表明，共热解过程中，工业大麻茎的热解温度有所降低，这有助于提高热解过程的效率和经济性。同时，PVC的加入也促进了工业大麻茎中纤维素的热解，使其在较低温度下释放出更多的挥发性产物，如氢气等。此外，共热解所得的生物炭具有更丰富的孔隙结构，这表明其在吸附和催化等方面具有更大的潜力。

通过本研究，研究人员不仅掌握了工业大麻茎与PVC共热解的热解动力学参数和反应机制，还验证了ANN模型在模拟和预测共热解过程中的有效性。这些研究成果为未来工业大麻茎与PVC的协同处理提供了坚实的理论基础，同时也为其他生物质与塑料废弃物的共热解研究提供了参考。随着环保政策的不断推进，这种协同处理技术有望在未来的资源回收和能源利用中发挥重要作用。