煤灰熔融温度预测方法研究现状 |
| |
引用本文: | 刘硕,杨伏生,张小艳,井云环,杨磊,蔡会武,周安宁.煤灰熔融温度预测方法研究现状[J].洁净煤技术,2016(1):60-65. |
| |
作者姓名: | 刘硕 杨伏生 张小艳 井云环 杨磊 蔡会武 周安宁 |
| |
作者单位: | 1. 西安科技大学化学与化工学院,陕西西安,710054;2. 西安科技大学计算机学院,陕西西安,710054;3. 神华宁煤集团煤化工公司,宁夏银川,750011 |
| |
基金项目: | 国家自然科学基金资助项目(51174279),神华宁煤集团有限责任公司科技创新项目(2014095) |
| |
摘 要: | 为准确预测煤灰熔融温度,论述了国内外建立煤灰熔融温度预测模型的现状,重点分析了线性回归法、BP神经网络法、支持向量机法和Fact Sage软件法的应用情况及误差。回归分析法的应用最为广泛,其中利用最小二乘法拟合的预测公式的相关性系数较高,但适应性较差;BP神经网络法适应性较强,但必须输入大量数据对模型进行训练;支持向量机法虽然优于回归分析法与BP神经网络法,但不能阐明煤灰熔融过程中矿物演变规律,不能科学说明灰熔融特性变化机理。Fact Sage软件法不仅有较高的预测精度,还可阐明煤灰熔融过程中矿物质演变规律,优化煤灰熔融温度的评价标准,建立更可靠的预测模型。因此,Fact Sage软件法是应用前景广阔的煤灰熔融特性预测方法。
|
关 键 词: | 灰熔融特性 预测 FactSage 回归分析法 BP神经网络 支持向量机 |
Research progress on prediction methods of coal ash melting temperature |
| |
Abstract: | |
| |
Keywords: | ash fusion characteristics prediction FactSage regression analysis method BP neural network support vector machine |
本文献已被 CNKI 万方数据 等数据库收录! |
|