申请/专利权人：西北大学

申请日：2021-03-11

公开（公告）日：2024-03-22

公开（公告）号：CN112836902B

主分类号：G06Q10/04

分类号：G06Q10/04;G06N3/084;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.06.11#实质审查的生效;2021.05.25#公开

摘要：本发明公开了一种基于改进型BP神经网络的煤燃烧发热量预测方法，包括以下步骤：1对待测煤质进行工业分析与元素分析，将待测煤质的工业分析与元素分析数据作为预测样本，并根据预测样本的特征构建归一化的特征矩阵；2根据最优权值与阈值以及步骤1中归一化的特征矩阵，计算待测煤质的归一化输出；3对待测煤质的归一化输出反归一化，得到煤燃烧发热量。将该改进型的BP神经网络应用于煤质工业分析与元素分析基础数据计算其燃烧发热量的体系中，有效克服了传统燃烧发热量预测方法计算精度低、实用性差的缺点。本发明具有计算速度快、预测精度高、适应性强、利于快速推广等诸多优点。

主权项：1.一种基于改进型BP神经网络的煤燃烧发热量预测方法，其特征在于，包括以下步骤：1对待测煤质进行工业分析与元素分析，将待测煤质的工业分析与元素分析数据作为预测样本，并根据预测样本的特征构建归一化的特征矩阵；2根据最优权值与阈值以及步骤1中归一化的特征矩阵，计算待测煤质的归一化输出；其中，最优权值与阈值通过以下过程得到：a对煤质进行工业分析与元素分析，将煤质的工业分析与元素分析数据作为输入，以煤燃烧发热量作为输出，采用试错法确定BP神经网络的拓扑结构，并获取BP神经网络初始权值以及阈值的编码长度；b按照公式2和公式3更新每一个粒子的速度V和位置X： 式中，vid表示d维空间中第i个粒子的速度，xid表示d维空间中第i个粒子的位置，qid表示d维空间中第i个粒子的历史最优位置，qgd表示d维空间全体粒子的历史最优位置，r1表示0～1之间的第一随机数，r2表示表示0～1之间的第二随机数，c1表示第一个加速因子，c2表示第二个加速因子，k为粒子群更新次数，ω取值为0.5～1的惯性权重；c对更新速度V和位置X后的粒子群进行遗传操作，将每个粒子视为一个染色体对每个染色体再次进行适应度评价，并保留最优染色体；d循环进行步骤c至粒子群最大更新次数Maxiter，得到全局最优粒子；具体过程包括以下步骤：6.1采用轮盘赌法对群体进行选择操作，群体中个体i被选择的概率pi如公式4所示： 式中，N为粒子总数，Fi为第i个粒子的适应度值；6.2根据交叉概率Pc，从进行步骤6.1后的群体中随机挑选出两个父代个体进行部分信息交换，从而产生两个新的子代染色体；新的子代染色体产生的方式如下：挑选出的两个父代染色体个体ai和ak进行交叉操作；6.3根据设定的变异的概率Pm从交叉操作后的群体中选出部分染色体，并对该染色体中的部分基因信息进行修改；通过下式进行： 式中，是变异后的基因信息，rand为0-1之间的随机数，R表示调整参数，gj表示变异前的基因信息；e根据BP神经网络初始权值、阈值的编码长度对全局最优粒子进行解码，得到优秀的网络初始权值、阈值；f将优秀的网络初始权值、阈值作为BP神经网络算法的初始权值、阈值，进行寻优计算，当计算的均方误差小于目标均方误差E0或运行次数达到网络最大运算次数MaxE时结束，得到最优权值与阈值；将优秀的网络初始权值、阈值作为BP神经网络算法的初始权值、阈值，进行寻优计算时，学习率自动调节，调节过程如下式所示： 式中，η为学习率，γ为1～2之间的常数，β为0～1之间的常数，n为网络当前的迭代次数，dt为第t数据的个样本值，at为第t个数据的网络计算值，msen表示网络第n次迭代网络的计算值与样本值之间的均方误差，msen-1表示网络第n-1次迭代网络的计算值与样本值之间的均方误差，N为训练样本数；3对待测煤质的归一化输出反归一化，得到煤燃烧发热量。

全文数据：

权利要求：

百度查询： 西北大学 一种基于改进型BP神经网络的煤燃烧发热量预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD