摘要
焦炭质量预测有利于改善焦炭质量,降低钢铁企业配煤成本。焦炭质量预测包括多元线性回归分析、BP神经网络、LIBSVM等算法,上述算法大多以煤质工业分析指标和黏结性指标为基础进行预测。基于配合煤的基础数据,结合煤岩分析指标,运用KNN和SVR算法预测焦炭机械强度和热态性能,将炼焦煤的宏观与微观指标相结合预测焦炭质量,提高预测精度。通过6因素和9因素对比,配合煤的基础性质结合镜质组反射率、活性组分、惰性组分3个煤岩指标后的预测精度有所提高,KNN算法的相对误差小于SVR算法。通过对KNN算法进行参数调优,当核参K=9时,均方误差最小,预测焦炭机械强度(M40、M10)和热态性能(CRI、CSR)的相对误差分别为0.38%、0.98%、0.82%、0.17%。
- 单位