科研之友
微信
新浪微博
Facebook
分享链接
摘要
灰分是衡量煤炭质量优劣的关键指标，是衡量煤矿和选煤厂煤炭产品质量的主要指标之一。针对传统煤灰分含量识别效率低、煤样本质量不高的问题，本文基于粒子群优化算法(PSO)和BP神经网络，提出了基于粒子群神经网络的煤炭灰分预测模型。目的是快速识别出煤炭产品中灰分的含量，为煤炭开采提供技术支撑。研究选取了180个标准煤粉样品，1～140号样本数据用于训练集，141～180号样本数据作为测试集。应用PSO-BP模型对煤炭灰分特性进行了研究，仿真结果表明：优化后的6维BP神经网络模型，决定系数R2为0.88501越接近1,表明建立的PSO-BP模型具有较好的预测性能，灰分预测值与灰分真值无限逼近。进而表明所构建的灰分预测模型具有较高的预测精度，提升了模型的泛化能力和预测精度，为后续的LIBS术应用于煤炭检测提供一定的理论依据。
- 单位
