[发明专利]一种基于数值模型的煤元素分析方法

权利要求书

1.一种基于数值模型的煤元素分析方法，其特征在于它包括以下步骤：

1）获取煤的收到基碳元素（C_ar）含量

1.1）首先收集煤的工业分析与相应的元素分析的数据样本，并将空干基碳元素分析数据转化为收到基碳元素分析数据；其次将数据样本分为训练样本和测试样本；

1.2）建立煤的收到基碳元素（C_ar）含量的人工神经网络模型：

网络的输入层为：收到基挥发分含量（V_ar）、收到基固定碳含量（FC_ar）、收到基灰分含量（A_ar）、收到基低位发热量(Q_net_ar)，是一个四维的输入向量；

网络的隐层是含一定数量的神经元节点；

网络的输出层只有一个输出神经元节点即输出收到基碳元素含量(C_ar)；

1.3）确定收到基碳元素（C_ar）含量的人工神经网络模型的训练精度或最大训练次数；

1.4）利用训练样本对人工神经网络模型进行训练直至模型满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练；

1.5）将测试样本加载到收到基碳元素（C_ar）含量的人工神经网络模型并进行测试；

1.6）如果测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功。

2.如权利要求1所述的一种基于数值模型的煤元素分析方法，其特征在于它进一步包括以下步骤：

2）获取煤的收到基氢元素（H_ar）含量

2.1）首先收集煤的工业分析与相应的元素分析的数据样本，并将空干基氢元素分析数据转化为收到基氢元素分析数据；其次将数据样本分为训练样本和测试样本；

2.2）建立煤的收到基氢元素（H_ar）含量的人工神经网络模型；

网络的输入层为：收到基挥发分含量（V_ar）、收到基固定碳含量（FC_ar）、收到基灰分含量（A_ar）、收到基低位发热量(Q_net_ar)，是一个四维的输入向量；

网络的隐层是含一定数量的神经元节点；

网络的输出层只有一个输出神经元节点即输出收到基氢元素含量(H_ar)；

2.3）确定收到基氢元素（H_ar）含量的人工神经网络模型的训练精度或最大训练次数；

2.4）利用训练样本对人工神经网络模型进行训练直至模型满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练；

2.5）将测试样本加载到收到基氢元素（H_ar）含量的人工神经网络模型并进行测试；

2.6）如果测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功。

3.如权利要求2所述的一种基于数值模型的煤元素分析方法，其特征在于它进一步包括以下步骤：

3）获取煤的收到基氮元素（N_ar）含量

3.1）首先收集煤的工业分析与相应的元素分析的数据样本，并将空干基氮元素分析数据转化为收到基氮元素分析数据；其次将数据样本分为训练样本和测试样本；

3.2）建立煤的收到基氮元素（N_ar）含量的人工神经网络模型：

网络的输入层：收到基挥发分含量（V_ar）、收到基全水分含量（M_ar）、收到基低位发热量(Q_net_ar)， 是一个三维的输入向量；

网络的隐层是含一定数量的神经元节点；

网络的输出层只有一个输出神经元节点即输出收到基氮元素含量(N_ar)；

3.3）确定收到基氮元素（N_ar）含量的人工神经网络模型的训练精度或最大训练次数；

3.4）利用训练样本对人工神经网络模型进行训练直至模型满足训练精度要求或对模型的训练已达到最大训练次数后，停止对模型的训练；

3.5）将测试样本加载到收到基氮元素（N_ar）含量的人工神经网络模型并进行测试；

3.6）如果测试的结果显示模型已满足精度和泛化能力两方面的要求，则模型训练成功。