基于改进型BP神经网络的煤炭发热量预测

煤炭发热量在煤炭工业生产中占据着重要的地位,是评价煤炭经济价值的重要参考依据。为了对煤炭发热量进行有效预测,尝试建立了数学模型进行求解。由于传统的神经网络模型存在着收敛速度慢、运算时间长等缺点,考虑到煤炭发热量主要受到其组成成分中水分和灰分的影响,且呈现非线性关系,建立了基于BP神经网络的非线性数学模型,并将其应用于煤炭发热量的预计研究中。实际的运行结果表明,该模型训练速度快、收敛时间短、运算结果比较符合实际情况,表明所建立的改进型BP神经网络模型可以有效用于煤炭发热量的预测研究中。     

淮南矿区煤炭发热量预测模型研究

分析了淮南矿区不同煤层煤样的基本特性,建立了煤炭发热量预测模型。淮南矿区煤具有低/中灰分、中/高发热量以及特低硫的特点。灰分和固定碳含量与煤炭发热量有显著相关性,由此建立了基于灰分和固定碳含量的淮南矿区煤炭发热量预测模型。利用发热量的实测值对模型预测值的准确性进行验证,相对误差为-1.9%~1.95%。该模型可用于发热量预测系统的开发,实现对淮南矿区煤炭发热量的快速估算。     

煤炭高位发热量计算公式的探讨

通过对煤炭发热量因素的分析,提出用计算公式来预测煤炭高位发热量的回归方程,并就具体预测结果与实测作了比较。     

配煤入洗选煤厂中煤炭发热量的预测研究

发热量是动力煤主要计价指标;对于单一矿区的煤,可通过测量煤炭灰分、水分预测发热量。但配煤入洗时煤质特性不均一,难以简单地建立模型预测。本文基于配煤入洗中的发热量可加性原则,分别建立单一煤炭的发热量预测模型,然后根据配煤比例加权平均获得最终公式,从而利用灰分、水分等指标预测配煤产品发热量。     

基于MIV特征选择与PSO-BP神经网络的煤炭发热量预测

为克服传统线性回归模型对煤的发热量预测精度低、适用范围窄的缺陷，综合考察了工业分析和元素分析指标与煤的发热量的线性相关性，采用平均影响值方法对影响发热量的煤质指标进行特征变量筛选，并结合粒子群优化算法对传统BP神经网络进行优化，提出了一种基于MIV-PSO-BP神经网络方法的煤炭发热量非线性预测方法。结果表明：煤的工业分析和元素分析指标中，仅灰分、碳含量与发热量之间存在一定的线性相关性，其余指标与发热量的线性相关性较弱|煤的工业分析中灰分、挥发分、固定碳3个指标对发热量的影响均较大，而元素分析中仅碳含量对发热量影响较为显著，其余指标对发热量的影响可忽略不计|与其他研究者提出的发热量预测模型相比，本文提出的MIV特征变量选择与PSO-BP神经网络相结合方法预测的平均相对误差和均方根误差更低，总体预测效果更好，相关系数最高可达98.48%。     

煤炭灰分含量对发热量的影响分析

煤炭灰分是影响煤炭发热量的主要因素之一,大量数据表明两者之间存在线性关系。以平顶山煤田为例,通过分析主采煤层二、四、五煤的灰分与发热量化验结果,验证了煤炭灰分与发热量之间的线性负相关关系,并建立了简单、易操作且预测精度较高的发热量预测模型。     

基于MATLAB的逐步回归法计算新疆伊犁地区煤的发热量

介绍了统计中的逐步回归反演算法,阐述了将其应用于燃煤发热量与燃煤化学元素分析的简单回归关系。利用MATLAB对新疆伊犁地区煤炭的发热量进行逐步回归计算分析,得到燃煤的高位发热量之间存在显著的回归关系;将得到的回归公式进行了验证,结果满足实际要求。因此,可利用灰分和水分及氢的含量来预测新疆伊犁地区煤炭的发热量。     

龙口矿区煤炭收到基低位发热量快速计算公式的研究与应用

对影响煤炭发热量的因素进行分析,探讨了利用公式快速计算煤炭的低位应用基发热量的方法。     

元宝山露天煤矿煤质动态预测

元宝山露天煤矿根据影响煤质发热量的主要动态指标灰分和全水分,推导经验计算公式,预测各平盘、区段煤炭发热量。绘制发热量热值等值线图,并结合各类计划图纸,按规划期预测不同时期的煤质发热量,用以指导生产、销售计划的落实,并为生产经营提供基础分析数据。     

新汶矿区煤炭发热量与灰分的相关关系及其应用

对新汶矿区煤炭发热量和灰分的相关性进行了分析,由此推导出的回归方程可应用于实际工作中换算该矿区煤炭的干基高位发热量和收到基低位发热量。