基于神經(jīng)網(wǎng)絡(luò)煤灰熔融溫度預(yù)測(cè)系統(tǒng)的研究.pdf

1、本文利用灰色關(guān)聯(lián)理論分析灰化學(xué)組成及組合參數(shù)對(duì)煤灰流動(dòng)溫度的關(guān)聯(lián)度，選取關(guān)聯(lián)度較大的參數(shù)和文獻(xiàn)中普遍使用的參數(shù)分別當(dāng)做預(yù)測(cè)煤灰流動(dòng)溫度的變量，利用MATLAB廣義神經(jīng)網(wǎng)絡(luò)建立網(wǎng)絡(luò)模型，通過測(cè)試選取合適的模型。在Visual Studio2010開發(fā)環(huán)境下，結(jié)合MATLAB混合編程的方法，以SQL Server2008建立的煤質(zhì)數(shù)據(jù)庫為后臺(tái)、開發(fā)一套基于神經(jīng)網(wǎng)絡(luò)的煤灰熔融溫度預(yù)測(cè)系統(tǒng)。研究結(jié)果如下:
　　(1)依據(jù)酸性組分（SiO2

2、+Al2O3+TiO2）大小，將選取的354種煤灰分成五類，分別為:高硅鋁煤灰(≥85％)、中高硅鋁煤灰(80％～84％)、中硅鋁煤灰(65％～79％)、中低硅鋁煤灰(50％～64％)、低硅鋁煤灰（≤49％）。利用灰色關(guān)聯(lián)理論分析發(fā)現(xiàn)組合參數(shù)酸性組分之和、鐵鈣鎂之和、硅鋁比、鉀鈉之和對(duì)煤灰流動(dòng)溫度的關(guān)聯(lián)度幾乎均大于其單個(gè)組分，說明它們對(duì)煤灰流動(dòng)溫度的影響較大。
　　(2)其中針對(duì)高硅鋁煤灰又分兩類:硅鋁比≥2且鐵鈣鎂(Fe2O3+

3、CaO+MgO)含量≥8％、硅鋁比＜2且鐵鈣鎂(Fe2O3+CaO+MgO)含量＜8％，經(jīng)分析發(fā)現(xiàn)后者的煤灰流動(dòng)溫度均大于1500℃，故只對(duì)前者和剩余的四類分別按照兩種預(yù)測(cè)方式(a)和(b)建立了網(wǎng)絡(luò)模型，通過對(duì)每一種方式建立的五類網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練與測(cè)試，最終選出選出按照方式a進(jìn)行網(wǎng)絡(luò)預(yù)測(cè)，最大相對(duì)誤差分別為1.34％、7.55％、10.50％、4.75％、8.16％、1.34％，最小相對(duì)誤差分別為0.52％、0.00％、0.00％、0

4、.00％、0.91％，平均相對(duì)誤差分別為0.93％、0.07％、0.67％、0.08％、1.30％。利用MATLAB語言分別編寫了五個(gè)網(wǎng)絡(luò)模型對(duì)應(yīng)的m文件，并編譯為.NET組件。
　　(3)調(diào)用已形成的.NET組件，建立了配煤及其添加石灰石助熔劑煤灰流動(dòng)溫度預(yù)測(cè)預(yù)測(cè)系統(tǒng)，通過調(diào)試系統(tǒng)運(yùn)轉(zhuǎn)正常，能夠快速預(yù)測(cè)配煤的流動(dòng)溫度。
　　(4)建立了煤質(zhì)數(shù)據(jù)庫，并利用C＃編程語言進(jìn)行代碼編程，實(shí)現(xiàn)了煤質(zhì)數(shù)據(jù)的“查詢”、“增加”、“修改”