神经网络法预测煤灰中铁钙比与灰熔融温度的关系

向铁钙比不同的ZX煤、SH煤、LY煤中添加Ca、Fe助剂,改变煤灰中Fe2O3/Ca O,测定煤灰在弱还原气氛下的灰熔融温度,采用BP神经网络模型预测灰熔融温度与灰成分及其组合参数之间的关系。结果表明,3种煤中加入Fe S2、Fe、Ca CO3后,灰熔融温度均降低。当添加同种含Fe助剂,在中铁高钙的煤中,铁钙比越小,煤灰流动温度越低;而在低铁低钙的煤中,铁钙比越大,煤灰流动温度越低。同一煤样,加入不同含Fe助剂,相同铁钙比时,加入单质Fe的煤灰熔融温度更低。铁钙比对煤灰熔融温度的影响还与灰成分等其它因素有关。使用质量百分数作为基准,输入层包含8个灰成分参数和3个组合参数(铁钙比、铁钙和及酸碱比)的BP神经网络模型对灰熔融温度的预测优于仅包含8个灰成分和酸碱比的9参数输入层预测模型,该模型对高铁低钙的煤样灰熔融温度的预测效果较好。

Predicting the relationship between iron/calcium ratio and ash fusion temperature using neural network method