基于MIV特征选择与PSO-BP神经网络的煤炭发热量预测

• 作者: 曹钊 李大虎 李秋科 王文才 荣令坤 贾风军
• 来源期刊: 煤炭工程
• 关键词: 发热量 预测 神经网络 变量筛选
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 研究探讨
• 页码范围: 154-160
• 页数: 7页
• 语种: 中文
• DOI: 10.11799/ce202011030

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王文才		215	786	13.0	17.0
2	荣令坤		33	88	6.0	8.0
3	贾风军		14	82	3.0	9.0
4	曹钊		43	198	9.0	12.0
5	李秋科		3	0	0.0	0.0
6	李大虎		5	0	0.0	0.0