基于MIV特征选择和PSO-BP神经网络的煤炭发热量预测研究-论文

简介：
本文提出了一种结合MIV特征选择与PSO优化BP神经网络的方法，用于提高煤炭发热量预测的准确性。通过实验验证了该方法的有效性和优越性。 为了克服传统线性回归模型在预测煤发热量精度低以及适用范围窄的问题，本段落综合分析了工业分析与元素分析指标对煤发热量的线性相关性，并采用平均影响值方法筛选出影响发热量的关键煤质指标。同时结合粒子群优化算法改进传统的BP神经网络，提出了一种基于MIV-PSO-BP神经网络的方法来预测煤炭发热量。 研究结果表明：在工业分析和元素分析中，仅有灰分与碳含量显示出一定的线性相关性；而在其他因素方面，它们与煤的发热量之间没有明显的线性关系。进一步地，在煤质指标对发热量的影响程度上，工业分析中的灰分、挥发分以及固定碳均具有显著影响作用，而元素分析中则主要体现为碳含量的重要性。 相比于先前研究提出的预测模型，本段落所采用的方法——结合MIV特征变量选择与PSO-BP神经网络技术，在平均相对误差和均方根误差方面表现更佳，并且相关系数最高可达98.48%，显示了其优越的总体预测性能。