基于元素分析的煤粉工业分析GA-SVM预测模型

作者：陈红; 黎盛鸣; 耿向瑾; 赵明; 谭鹏; 方庆艳; 张成

来源：广东电力, 2018, 31(01): 30-35.

• 煤粉
• 元素分析
• 工业分析
• 支持向量机
• 遗传算法
• 预测

运用遗传算法(genetic algorithm,GA)和支持向量机(support vector machine,SVM)方法,建立了基于元素分析的煤质工业分析快速预测模型。该模型基于以干燥基为基准的6 029组美国煤质数据,以煤质元素分析(C、H、O、N、S)为输入,工业分析(挥发分、固定碳)为输出。另外通过实验得到74组中国煤质数据,用于模型验证。结果表明:以美国煤质数据构建的模型,挥发分、固定碳预测平均相对误差分别为4.60%、3.22%;用中国煤质数据验证模型时,挥发分、固定碳预测平均相对误差分别为9.16%、3.55%。该模型预测误差较小,能较好地利用元素分析数据预测固定碳、挥发分。

• 单位
  云南电网有限责任公司电力科学研究院; 云南电力试验研究院(集团)有限公司; 云南电力试验研究院（集团）有限公司; 华中科技大学; 煤燃烧国家重点实验室