[发明专利]一种基于改进型BP神经网络的煤燃烧发热量预测方法

权利要求书

1.一种基于改进型BP神经网络的煤燃烧发热量预测方法，其特征在于，包括以下步骤：

(1)对待测煤质进行工业分析与元素分析，将待测煤质的工业分析与元素分析数据作为预测样本，并根据预测样本的特征构建归一化的特征矩阵；

(2)根据最优权值与阈值以及步骤(1)中归一化的特征矩阵，计算待测煤质的归一化输出；

(3)对待测煤质的归一化输出反归一化，得到煤燃烧发热量。

2.根据权利要求1所述的一种基于改进型BP神经网络的煤燃烧发热量预测方法，其特征在于，步骤(1)中，煤质的工业分析与元素分析数据包括空干基水分M_ad、空干基灰分A_ad、空干基固定碳FC_ad、空干基碳含量C_ad、空干基氢含量H_ad、空干基氮含量N_ad和空干基硫含量S_ad。

3.根据权利要求1所述的一种基于改进型BP神经网络的煤燃烧发热量预测方法，其特征在于，步骤(1)中，归一化的特征矩阵通过下式计算：

式中，Xs代表归一化后的样本数据，x_s代表煤质的工业分析与元素分析数据；s代表一个因素，x_s,min代表煤质的工业分析与元素分析数据中的最小值；x_s,max代表煤质的工业分析与元素分析数据中的最大值。

4.根据权利要求1所述的一种基于改进型BP神经网络的煤燃烧发热量预测方法，其特征在于，步骤(3)中，待测煤质的归一化输出如下：

式中，y为待测煤质的归一化输出，w₁为输入到隐含的最优权值，w₂为隐含到输出的最优权值，b₁为隐含到输出的最优阈值，b₂为隐含到输出的最优阈值，X_s为归一化的特征矩阵，a为系数。

5.根据权利要求1所述的一种基于改进型BP神经网络的煤燃烧发热量预测方法，其特征在于，步骤(2)中，最优权值与阈值通过以下过程得到：

(a)对煤质进行工业分析与元素分析，将煤质的工业分析与元素分析数据作为输入，以煤燃烧发热量作为输出，采用试错法确定BP神经网络的拓扑结构，并获取BP神经网络初始权值以及阈值的编码长度；

(b)按照公式(2)和公式(3)更新每一个粒子的速度V和位置X：

式中，v_id表示d维空间中第i个粒子的速度，x_id表示d维空间中第i个粒子的位置，q_id表示d维空间中第i个粒子的历史最优位置，q_gd表示d维空间全体粒子的历史最优位置，r₁表示0～1之间的第一随机数，r₂表示表示0～1之间的第二随机数，c₁表示第一个加速因子，c₂表示第二个加速因子，k为粒子群更新次数，ω取值为0.5～1的惯性权重；

(c)对更新速度V和位置X后的粒子群进行遗传操作，将每个粒子视为一个染色体对每个染色体再次进行适应度评价，并保留最优染色体；

(d)循环进行步骤(c)至粒子群最大更新次数Maxiter，得到全局最优粒子；

(e)根据BP神经网络初始权值、阈值的编码长度对全局最优粒子进行解码，得到优秀的网络初始权值、阈值；

(f)将优秀的网络初始权值、阈值作为BP神经网络算法的初始权值、阈值，进行寻优计算，当计算的均方误差小于目标均方误差E₀或运行次数达到网络最大运算次数MaxE时结束，得到最优权值与阈值。