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。     

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。     

基于工业分析的煤质发热量预测

为提升煤质工业分析数据对煤质发热量的预测精度,以167种中国煤和4 540种美国煤的信息为基础建立了基于SVR的煤质发热量预测模型。重构Majumder等和 Parikh等提出的线性模型,用于对比非线性SVR和已有的基于线性的煤质发热量预测模型的预测能力。对比结果为：SVR对中国煤和美国煤的预测相对误差为2.16%和2.42%;重构后的Majumder模型为3.04%和4.61%;重构后的Parikh模型为3.39%和12.99%。工业分析对发热量的散点图也表明各工业分析组分与发热量之间没有明显的线性关系。研究结果表明,基于非线性SVR的煤质发热量预测模型具有更高的预测精度。     

基于小波神经网络的中国煤炭消耗预测

预测煤炭消耗量是一个与多种因素有关的复杂非线性问题.鉴于传统预测方法的缺陷,利用小波神经网络模型对中国煤耗预测,通过理论分析和仿真实验表明:模型是简单可行的,预测具有较高的精度.     

基于BP神经网络的煤炭自燃温度预测方法研究

在对BP神经网络原理进行分析的基础上,设计出预测煤层温度的BP神经网络模型,然后对实验数据进行仿真模拟,采用MATLAB语言,利用样本进行网络训练后,得出的预测结果达到了工程实际能够接受的精度,说明该模型能够用于煤矿煤炭自燃温度的预测,实现煤炭自燃早期预报。     

煤炭发热量回归方程的建立

运用Excel对煤样的实测数据进行数理分析，推导出两种回归方程，均具有较高的计算精度，可作为本单位及使用该矿区商品煤的广大企业参照使用。     

煤的发热量预测方法优缺点分析及展望

本文系统地回顾了近年来各种发热量预测模型,讨论了线性与非线性两大类建模手段,综述了预测算法的模型特点与建模流程,指出了发热量预测领域尚需解决的问题,给出了可能的解决办法,并提出了一些基于文献研究的展望.     

基于神经网络时间序列的煤炭自燃预测研究

依据神经网络建模的原理,提出了一种基于神经网络的时间序列预测方法,并通过在山东枣庄矿业集团公司柴里煤矿进行的预测分析,验证了预测方法的有效性。为解决煤炭自燃的预测提供了一条良好的思路和方法,具有较大的理论意义和应用价值。     

谈煤炭产品灰分与发热量的线性关系

<正>煤炭的发热量是指每单位质量的煤完全燃烧所产生的全部热量,它不仅是评价煤炭质量的一项重要指标,而且是当前动力用煤一项重要的经济评价参数.发热量作为动力煤的计价基础,关系着企业的经济效益.分析煤炭的灰分与发热量的关系,找出其变化规律,为选煤厂生产、管理及设计提供可靠的理论依据,使设计更能接近生产实际.因为煤炭的发热量与其灰分、水分及煤炭的变质程度等诸多因素有关,为了准确找到煤的发热量与灰分之间的变化规律,我们采用的煤质资料均为气煤煤种,其水分区间为7%～9%,灰分区间为10%～14%,以减少水分和变质程度对发热量的影响,找出发热量与灰分之间十分可靠的变化规律.     

基于BP神经网络的煤自燃温度预测研究

为了研究煤在氧化升温过程中CO、CO2、CH4、C2H6、C2H4等气体对温度的反馈作用,并通过各气体的数据准确预测煤自燃的温度。以赵楼煤矿为背景,采集部分煤样,放入煤自然发火实验炉中,通过数控程序系统,模拟煤自然发火时的漏风强度和供氧量,收集指标气体和温度等相关数据。采用气体成分分析法和神经网络算法建立BP神经网络预测模型,选取CO、CO2、CH4、C2H6、C2H4气体浓度作为神经网络的输入层,煤温作为输出层,设置8个隐含层神经元对煤自燃情况进行预测。结果表明：经过训练后,预测温度与实际温度基本吻合,误差控制在0～0.00065,该预测模型的建立对于矿井煤自燃早期预报有着极其重要的指导意义。     

人工神经网络预测煤的发热量

应用人工神经网络处理部分广东地区煤质分析数据,建立网络模型,预测出煤的发热量,经实测值与预测值比较,在一定的煤种范围内预测值与实测值比较接近。     

基于分析实验数据计算煤的发热量

在云南牛场、以古矿区煤质分析的大量实验数据基础上,建立了该矿区煤的发热量与碳、氢和灰分数据的线性回归方程,得出适合矿区的发热量计算式,并在随机比较该矿区50组发热量的计算值和实验值后得出最优的计算式,以用于该矿区发热量的估算和实验室所测发热量数据的可靠性审查。     

低热值腐泥煤发热量测定方法探讨

探讨了不易完全燃烧的低热值煤的发热量的测定方法,阐述了擦镜纸法测定低热值煤的试验方法和步骤,并将擦镜纸法与直接法进行比对,指出用擦镜纸法测定低热值煤发热量可提高其测定的准确性和可靠性。     

Prediction of coal response to froth flotation based on coal analysis using regression and artificial neural network

In this paper, the combustible value (i.e. 100-Ash) and combustible recovery of coal flotation concentrate were predicted by regression and artificial neural network based on proximate and group macerals analysis. The regression method shows that the relationships between (a) ln (ash), volatile matter and moisture (b) ln (ash), ln (liptinite), fusinite and vitrinite with combustible value can achieve the correlation coefficients (R²) of 0.8 and 0.79, respectively. In addition, the input sets of (c) ash, volatile matter and moisture (d) ash, liptinite and fusinite can predict the combustible recovery with the correlation coefficients of 0.84 and 0.63, respectively. Feed-forward artificial neural network with 6-8-12-11-2-1 arrangement for moisture, ash and volatile matter input set was capable to estimate both combustible value and combustible recovery with correlation of 0.95. It was shown that the proposed neural network model could accurately reproduce all the effects of proximate and group macerals analysis on coal flotation system.     

基于ACSOA-BP神经网络的瓦斯含量预测模型

针对煤矿瓦斯含量预测问题,以陈四楼煤矿为例,在煤层瓦斯含量影响因素分析的基础上,通过对种群进行混沌初始化,并引入自适应混沌算法和非线性收敛因子,提出了自适应混沌海鸥算法(ACSOA),建立了基于自适应混沌海鸥算法优化BP神经网络的瓦斯含量预测模型(ACSOA-BP),将模型应用于矿井进行预测效果检验。结果表明:陈四楼煤矿二2煤层瓦斯含量与不同因素呈非线性关系,地质构造是控制煤层瓦斯分布的主要因素,ACSOA-BP模型具有更高的预测精度和稳定性。     

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。     

基于多元线性回归的洗混煤低位发热量数学模型研究

以朔州中煤平朔能源有限公司选煤厂洗混煤全水分、空气干燥基灰分、空气干燥基挥发分、收到基低位发热量统计数据为基础,利用多元线性回归方法建立适用于预测该厂洗混煤低位发热量的数学模型,用于快灰、快水试验报告的综合审查。该预测方法的建立健全对于煤质检测工作具有一定的指导意义。     

基于连续型小波神经网络的煤层底板破坏深度预测

鉴于BP神经网络在预测中收敛速度慢,易陷入局部最优等缺陷,提出了利用连续型小波神经网络进行煤层底板破坏深度预测;简单介绍了连续型小波神经网络的网络结构与学习过程,为隐节点数的确定提供了经验公式以及判断多余隐节点的检验公式,避免了BP网络在确定隐节点数上的盲目性。通过连续型小波神经网络进行底板破坏深度实例预测,并与BP神...     

影响煤炭发热量准确测定的因素分析

依据GB／T 213-2003《煤的发热量测定》，结合发热量测定中的实际操作经验，总结了影响发热量测定准确度的几个常见因素，同时提出了相应的解决对策。