文件名称：基于MIV特征选择与PSO-BP神经网络的煤炭发热量预测-论文
文件大小：1.37MB
文件格式：PDF
更新时间：2024-07-28 05:44:05
发热量 预测 神经网络 变量筛选
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%。