煤种成浆性的人工神经网络预测模型研究
-
2016年 第01期
- 479
- 170
- 在线阅读
- 全文下载
作者:
李艳昌
杨雨濛
刘建忠
单位:
辽宁工程技术大学安全科学与工程学院;矿山热动力灾害与防治教育部重点实验室;浙江大学能源清洁利用国家重点实验室热能工程研究所;
摘要:
为更好地预测煤的成浆性,以大量煤种成浆浓度试验数据为基础,建立了3个输出因子的神经网络成浆浓度预测模型,模型采用L-M算法,对输入数据进行数据预处理,最后对比分析了神经网络预测模型与回归分析模型的预测结果。结果表明,以Ad、哈氏可磨性指数HGI和氧含量O为输入因子的模型预测结果平均绝对误差为0.63%,以Mad、HGI和O为输入因子的模型预测结果平均绝对误差为0.60%,以Mad、HGI和氧碳比O/C为输入因子的模型预测结果平均绝对误差为0.40%,3种组合的模型结果均小于回归分析模型的平均绝对误差1.15%。因此神经网络模型比回归分析模型有更好的预测能力,其中以Mad、HGI和O/C为输入因子的神经网络模型预测结果最好。
关键词:
煤
成浆性
神经网络
L-M算法
图表:
--
相关文章:
--
引用格式:
--