基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
利用煤的工业分析成分预测元素分析成分存在较多困难,现有文献给出的模型通常只对C、H和O等主要元素成分含量进行预测.而高斯过程能够解决复杂的机器学习问题,且可以对预测不确定性进行有效估计.该文建立基于高斯过程的煤元素含量预测模型,选用干燥无灰基挥发分和高位发热量作为随机过程的索引变量,分别对C、H、N、S元素含量进行高斯过程建模,O元素含量采用差减法得到,从而实现对元素分析全部成分含量的预测.采用10折交叉验证法对模型进行检验.结果表明,C、H、N和O元素含量预测的平均误差分别为1.46%、6.97%、16.80%和14.28%,但对于高硫煤,S元素含量的预测误差偏大,使用模型时应加以注意.
推荐文章
基于高斯模型的工业过程数据的故障预测
故障预测
高斯过程回归
田纳西-伊斯曼过程
工业过程数据建模
基于弯曲高斯过程组合方法的光伏出力预测研究
多元自适应回归样条
弯曲高斯过程
Bagging算法
区间预测
光伏发电
基于高斯过程分类的地震砂土液化预测及其应用
砂土液化
高斯过程分类
对比分析
数据来源
基于主成分回归的苹果可溶性固形物含量预测模型
光谱技术
苹果
可溶性固形物含量
主成分回归
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于高斯过程的煤元素分析全成分含量预测研究
来源期刊 中国测试 学科
关键词 高斯过程 元素分析 工业分析 10折交叉验证
年,卷(期) 2021,(8) 所属期刊栏目 物理测试|Physics
研究方向 页码范围 38-43
页数 6页 分类号 TK31
字数 语种 中文
DOI 10.11857/j.issn.1674-5124.2020090002
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (62)
参考文献  (11)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(4)
  • 参考文献(0)
  • 二级参考文献(4)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(12)
  • 参考文献(1)
  • 二级参考文献(11)
2005(14)
  • 参考文献(1)
  • 二级参考文献(13)
2006(3)
  • 参考文献(1)
  • 二级参考文献(2)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(8)
  • 参考文献(1)
  • 二级参考文献(7)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
高斯过程
元素分析
工业分析
10折交叉验证
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国测试
月刊
1674-5124
51-1714/TB
大16开
成都市成华区玉双路10号
26-260
1975
chi
出版文献量(篇)
4463
总下载数(次)
7
论文1v1指导