- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第卷第期燃摇料摇化摇学摇学摇报年月文章编号鄄鄄鄄基于布谷鸟算法与神经网络的煤灰变形温度预测沈铭科黄镇宇王智化周俊虎浙江大学能源清洁利用国家重点实验室浙江杭州摇摘摇要以种煤样为数据基础采用布谷鸟算法优化神经网络建立了模型对单煤煤掺添加剂和配煤等类样本的煤灰变形温度样本进行预测模型以煤灰化学成分及其组合参数等个变量作为输入量以变形温度作为输出量模型预测结果与神经网络模型预测结果进行对比发现无论是单煤煤掺添加剂还是配煤模型较模型对煤灰变形温度的预测都更加精准平均相对误差分别达到了和另外对比类样本预测结
第42卷 第12期 燃摇 料摇 化摇 学摇 学摇 报 Vol.42 No.12
2014年12月 Journal of Fuel Chemistry and Technology Dec. 2014
文章编号:0253鄄2409(2014)12鄄1423鄄08
基于布谷鸟算法与BP神经网络的煤灰变形温度预测
沈铭科,黄镇宇,王智化,周俊虎
(浙江大学 能源清洁利用国家重点实验室,浙江 杭州摇 310027)
摘摇 要:以120种煤样为数据基础,采用布谷鸟算法(CS)优化BP(Back Propagation)神经网络,建立了CSBP模型对单煤、煤
掺添加剂和配煤等3类样本的煤灰变形温度(DT)样本进行预测。 模型以煤灰化学成分及其组合参数等13个变量作为输入
量,以变形温度(DT)作为输出量。 CSBP模型预测结果与BP神经网络模型预测结果进行对比发现,无论是单煤、煤掺添加剂
还是配煤,CSBP模型较 BP 模型对煤灰变形温度(DT)的预测都更加精准,平均相对误差分别达到了3. 11%、4.08%和
4.22%。 另外,对比3类样本预测结果发现,无论是CSBP模型还是BP模型,相比单煤预测而言,煤掺添加剂及配煤的预测误
差都有明显的增加。
关键词:煤灰;灰变形温度;BP神经网络;布谷鸟算法;添加剂;配煤
中图分类号:TK223摇 摇 文献标识码:A
Prediction of coal ash deformation
temperature based on Cuckoo Search and BP Neural Network
SHEN Ming鄄ke,HUANG Zhen鄄yu,WANG Zhi鄄hua,ZHOU Jun鄄hu
(State Key Laboratory of Clean Energy Utilization,Zhejiang University,Hangzhou摇 310027,China)
Abstract:On the basis of 120 coal ash samples,a CSBP model based on BP(Back Propagation) Neural
Network optimized by Cuckoo Search (CS) was proposed for predicting the ash deformation temperature of
single coals,coals mixed with addictives and mixed coals. The thirteen chemical composition parameters and
combined parameterswere employed as inputs,and the ash deformation temperature was used as output of the
CSBP model. Theresultsshowthat whether singlecoal,coalmixedwith additivesor mixedcoals,CSBPmodel
has abetterperformancecomparedwith BPmodelandtheaveragerelativeerrorsarereducedto3.11%,4.08%
and4.22%,respectively. In addition,comparing the prediction results of three kinds of samples,both the
CSBP model and BP model have higher prediction errors for coals mixed with addictives and mixed coals more
than that for single coals.
Key words:coal ash;ash deformation temperature;BP Neural Network;Cu
您可能关注的文档
最近下载
- 《矿山企业温室气体排放核算方法与报告指南(试行)》.docx
- JGJ_T496-2022 房屋建筑统一编码与基本属性数据标准.docx
- [金属冶金标准]GBT 14506.8-2010 硅酸盐岩石化学分析方法 第8部分:二氧化钛量测定.pdf
- 掘进安全管理课件.pptx
- 钢平台验收记录表.docx
- IPC-2221C-EN TOC2023印制版设计通用标准 Generic Standard on Printed Board Design.pdf
- 小学数学《图形的运动》作业设计.docx
- 看课件-成人气道异物梗阻救护.ppt
- 中职旅游类《前厅服务与管理》职教高考必备试题库(含答案).docx
- 公务员平时考核评鉴表(空表).pdf VIP
文档评论(0)