基于工业分析预测煤质发热量研究

作者：宋宜猛

来源：西安科技大学学报, 2022, 42(01): 70-75.

DOI：10.13800/j.cnki.xakjdxxb.2022.0110

• 工业分析
• 发热量
• 支持向量机
• 粒子群优化
• 多元线性回归

为快速准确的预测煤质发热量，基于煤质工业分析数据，以粒子群优化算法(PSO)和支持向量机(SVM)理论为基础，采用PSO算法优化SVM超参数，建立了参数优化的PSO-SVM预测模型。在同等条件下，构建了标准SVM模型和多元线性回归(MLR)模型，并与PSO-SVM模型预测结果进行对比。结果表明，PSO-SVM模型、SVM模型和MLR模型都具有较好的预测效果，测试结果的平均绝对百分误差分别为2.433%,2.956%和3.135%;MLR模型具有较好的建模效果，但泛化性差，测试阶段出现了较大误差；参数寻优显著提高了SVM的预测精度，与线性模型相比，非线性PSO-SVM模型具有更好的泛化性和外推能力，更适合于煤质发热量的预测。