基于L-M梯度迭代算法的煤质发热量预测模型

黄奎¹，王充实²，王林立¹，窦有权¹，张冬练¹，曾文慧²，王嘉垠²，曾勇²

1. 国能南京煤炭质量监督检验有限公司，南京210031

2. 国能大渡河新能源投资有限公司，成都610096

摘要 选取150家火电企业的煤质检测数据，通过分析泛在煤质化验数据信息，构建L-M算法下的煤质发热量的预测模型。实验结果表明：（1）煤质化验数据中仅碳（C_d）、灰分（A_ad）与发热量（Q_gr,ad）的线性关系较为显著，相关系数R²为0.8768和0.6880；（2）主成分分析法挖掘出影响煤质发热量的主成分特征值、特征矩阵及得分，实现了由六维矩阵降至四维矩阵的降维效果，增强了神经网络在训练过程中收敛的稳定性；（3）基于L-M算法下，改进的BP神经网络预测模型（LMBP）的训练集系数R_t、验证集系数R_a和测试集系数R_m分别为0.9957、0.9942和0.9963，总体系数为0.9931，同时通过待测20组数据进一步验证了LMBP预测模型可靠，预测精度较高，更符合实际预测需求。

关键词 煤质化验数据；主成分分析法；L-M算法；训练集系数

（责任编辑  傅雪）

http://www.kjdb.org/CN/Y2023/V41/I20/106