基于神经网络煤灰熔融温度预测系统的研究.pdf

《基于神经网络煤灰熔融温度预测系统的研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：单位代码：安反工犬學论文题目：基于神经网络煤灰熔融温度预测系统的研究作者姓名：赵瑞专业名称：化学工艺导师姓名：李寒旭教授完成时间：二—五年六月中图分类号：论文编号：学科分类号：密级：公开安黴理工大学硕士学位论文基于神经网络煤灰恪融温度预测系统的研究作者姓名：赵瑞专业名称：化学工艺研究方向：洁净煤技术导师姓名：李寒旭教授导师单位：安徽理工大学答辩委员会主席：奶论文答辩日期：年月曰安徽理工大学研究生处年月曰ADissertationinChemicalTechnologyResearchoncoalashfusiontemperaturepre

2、dictionsystembasedonneuralnetworkCandidate:ZhaoRuiSupervisor:Prof.LiHanxuSchoolofChemicalEngineeringAnhuiUniversityofScience&TechnologyNo.168，，，独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方以外论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得安徽理工大学或其他教育机构的学位或证书而佶用过的射枓与我一同工作的同志对本研

3、究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：各搜曰期：对冶年月日学位论文版权使用授权书本学位论文作者完全了解安徽理工大学有倮留、使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属于安徽理工大学。学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权安徽理工大学可以将学位论文的全部或部分内容编入有关数据库进行检索，可以釆用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后适用本授权书）学位论文作者签名签字日期年月日摘要摘要本文利用灰色关联理论分析灰化

4、学组成及组合参数对煤灰流动温度的关联度，选取关联度较大的参数和文献中普遍使用的参数分别当做预测煤灰流动温度的变量，利用广义神经网络建立网络模型，通过测试选取合适的模型。在开发环境下，结合混合编程的方法，以建立的煤质数据库为后台、开发一套基于神经网络的煤灰熔融温度预测系统。研宄结果如下：依据酸性组分（大小，将选取的种煤灰分成五类，分别为：高硅铝煤灰（彡、中高硅铝煤灰（、中硅铝煤灰、中低硅铝煤灰（、低硅铝煤灰（￡。利用灰色关联理论分析发现组合参数酸性组分之和、铁钙镁之和、桂链比、钾钠之和对煤灰流动温度的关联度几乎均大于其单个组分，说明它们对煤灰流动温度

5、的影响较大。其中针对髙硅铝煤灰又分两类硅铝比彡且铁钙镁含量彡、硅铝比且铁钙镁（含量经分析发现后者的煤灰流动温度均大于故只对前者和剩余的四类分别按照两种预测方式（和（建立了网络模型，通过对每一种方式建立的五类网络模型进行训练与测试，最终选出选出按照方式进行网络预测，最大相对误差分别为、、、、、最小相对误差分别为、、、、平均相对误差分别为°。、、、。利用语言分别编写了五个网络模型对应的文件，并编译为组件。调用已形成的组件，建立了配煤及其添加石灰石助熔剂煤灰流动温度预测预测系统，通过调试系统运转正常，能够快速预测配煤的流动温度。建立了煤质数据库，并利用编

6、程语言进行代码编程，实现了煤质数据的“查询”、“增加”、“修改”、“删除”操作。图表参关键词：流动温度；灰色关联分析；神经网络模型；组件；数据库；混合编程分类号：AbstractAbstractInthearticle,theanalysismethodofgraycorrelationdegreewasusedtoanalyzethecorrelationdegreebetweencoalashchemicalcompositionparametersorcombinationparameters(consistedofashchemicalco

7、mposition)andflowtemperature.Parameterswithlargercorrelationdegreewereselectedasinputvariablestopredictcoalashflowtemperature,sodidparameterswhichwerewidelyusedtopredictcoalashflowtemperatureintheliterature.NetworkmodelswereestablishedusingMATLABgeneralizedneuralnetwork，，〇。，，A

8、bstractbettermodelpredictionaccuracy,thefivemodelsestablished