煤的工业分析至元素分析的BP神经网络预测模型.pdfVIP

第 27 卷 第 5 期 燃 　料 　化 　学 　学 　报 Vol 27 　No 5 1999 年 10 　月 JOURNAL OF FUEL CHEMISTRY AND TECHNOLOGY Oct 　 　1999 煤的工业分析至元素分析的BP 神经网络预测模型 殷春根 　骆仲泱 　倪明江 　岑可法 (浙江大学热能工程研究所　杭州　310027) ( 摘　要 　以大量煤质分析数据为基础,建立了利用煤工业分析数据 包括水份、灰份、挥发份及热 ) 值 计算元素分析数据的 BP 神经网络预测模型 ,并将该模型与现有经验公式进行了比较 ,结果表 明神经网络模型有很好的推广能力。可以满足工业应用的要求。 关键词 　工业分析 , 元素分析 , 神经网络 煤的元素分析数据是燃煤电站锅炉的运行指导及各项计算不可缺少的原始数据 ,但元素 分析的开展受到了极大的限制 ,有的电厂甚至根本无力开展此项目。为此 ,很多研究者对煤中 各元素与煤的热值及工业分析数据间的关系进行了分析 ,并提出了一些经验计算公式 ,如文 献[1 ,2 ] 中所示。然而 ,煤种繁多 ,且一些煤质指标难以量化描述 ,如煤的成煤年代、成煤的地质 ( ) 条件等 ,所有这些都制约了现有经验计算公式的推广能力 即用于准确预测新样本的能力 。 人工神经网络的发展为解决上述问题提供了强有力的工具。通过神经网络可以根据输入 ( ) 输出数据学习逼近任意非线性映射。误差反向传播 简称BP 算法训练的 BP 网络是目前应用 最为广泛的人工神经网络 ,本文将用 BP 网络来建立由煤工业分析数据到煤元素数据的预测 模型。 1 　煤质数据的准备及分类 ( ) [3 ] 先从《全国煤质资料汇编 1978～1981 》 中选取了 700 多个典型煤样的煤质资料数据 , 包括工业分析和元素分析 ,并对这些煤的数据进行预分析。根据现有的知识将其中少量误差 过大的煤样删掉 ,如 : 根据煤的元素分析可计算其热值 ,若计算的热值与实际测得的热值相差 过大时 ,则认为该煤样的分析数据不可靠[4 ] ,予以删除。最后用以建模的煤样总数为 693 种。 表 1 　煤 样 的 分 类 Table 1 　Classification of coal samples Coal Total Training Testing Classification of coal samples Type number set set 1 Low - volatile anthracite 47 30 17 2 Low - and - middle - volatile mea