【技术实现步骤摘要】
本专利技术涉及一种方法,尤其是一种基于支持向量机的煤质快速分析方法,属于煤质分析的
技术介绍
我国是世界上用煤最早的国家。煤是由沉埋在湖泊、沼泽地带的水下和泥沙中的植物,经过长时间的地质年代和地壳运动,通过漫长复杂的生物化学、物理化学和地球化学作用转变成的固体可燃矿产。煤炭是我国主要的能源资源,而且也是冶金、化工工业的重要原料,对于我国的经济发展有着举足轻重的地位。2013年底我国发电装机容量首次超过美国位居世界第一、达到12.5亿千瓦,全年发电量5.35万亿千瓦时,其中煤电装机7.9亿千瓦,占比63.0%,发电量占比73.8%。因此如何使煤炭的利用效率得到提高对发展我国的经济意义重大。煤的工业分析包括水分、灰分、挥发分和固定碳。这四个指标可以初步反映煤中无机质的数量、有机质的数量与性质。由此,评价煤时,一般总是先进行煤的工业分析,以大致了解煤的性质,作为进一步研究的基础。煤中水的来源是多方面的,首先是伴随着植物遗体的整个成煤过程留在煤中的水;其次是煤层形成后进入煤层的裂隙、孔隙中的地下水;三是在煤的开采;洗选、贮存、运输过程中使用和接触的水。煤的灰分是指煤在完全燃烧时,其中的矿物质经过一系列反应后所剩的残渣。在当前煤炭的市场贸易中,仍是按灰分分级,以质论价。不同产地的煤的品质差异很大,即便是相同产地,由于地质构造不同,煤质也会有巨大的差异。煤的挥发分产率是煤质分析中一个重要的指标,与煤炭的煤化程度有着十分密切的关系,在我国和世界上其他许多的国家都将其作为煤炭的第一分类指标,用来代表煤炭的煤化程度。煤的挥发分产率与煤的热动力学参数以及特征温度也 ...
【技术保护点】
一种基于支持向量机的煤质分析方法,其特征是,所述煤质分析方法包括如下步骤:(a)、利用煤炭的标准样本作为训练数据,建立基于支持向量机的煤质预测模型,煤炭的标准样本包括煤炭的全水、空气干燥基水分、收到基灰分、空气干燥基灰分、干燥基灰分、收到基挥发分、空气干燥基挥发分、干燥基挥发分、收到基低位发热量、空气干燥基高位发热量以及干燥基高位发热量,其中,煤炭的全水、空气干燥基水分、收到基灰分以及空气干燥基灰分作为支持向量机的煤质预测模型输入,干燥基灰分、收到基挥发分、空气干燥基挥发分、干燥基挥发分、收到基低位发热量、空气干燥基高位发热量、干燥基高位发热量为煤质预测模型的输出;(b)、获取待测煤炭的全水数据、空气干燥基水分数据、收到基灰分数据以及空气干燥基灰分数据,并将所述获得的全水数据、空气干燥基水分数据、收到基灰分数据以及空气干燥基灰分数据带入上述的煤质预测模型中,以得到待测煤炭的预测干燥基灰分、预测收到基挥发分、预测空气干燥基挥发分、预测干燥基挥发分、预测收到基低位发热量、预测空气干燥基高位发热量、预测干燥基高位发热量;(c)、利用上述煤炭的全水数据、空气干燥基水分数据、收到基灰分数据、空气 ...
【技术特征摘要】
1.一种基于支持向量机的煤质分析方法,其特征是,所述煤质分析方法包括如下步骤:(a)、利用煤炭的标准样本作为训练数据,建立基于支持向量机的煤质预测模型,煤炭的标准样本包括煤炭的全水、空气干燥基水分、收到基灰分、空气干燥基灰分、干燥基灰分、收到基挥发分、空气干燥基挥发分、干燥基挥发分、收到基低位发热量、空气干燥基高位发热量以及干燥基高位发热量,其中,煤炭的全水、空气干燥基水分、收到基灰分以及空气干燥基灰分作为支持向量机的煤质预测模型输入,干燥基灰分、收到基挥发分、空气干燥基挥发分、干燥基挥发分、收到基低位发热量、空气干燥基高位发热量、干燥基高位发热量为煤质预测模型的输出;(b)、获取待测煤炭的全水数据、空气干燥基水分数据、收到基灰分数据以及空气干燥基灰分数据,并将所述获得的全水数据、空气干燥基水分数据、收到基灰分数据以及空气干燥基灰分数据带入上述的煤质预测模型中,以得到待测煤炭的预测干燥基灰分、预测收到基挥发分、预测空气干燥基挥发分、预测干燥基挥发分、预测收到基低位发热量、预测空气干燥基高位发热量、预测干燥基高位发热量;(c)、利用上述煤炭的全水数据、空气干燥基水分数据、收到基灰分数据、空气干燥基灰分数据、预测干燥基灰分、预测收到基挥发分、预测空气干燥基挥发分、预测干燥基挥发分、预测收到基低位发热量、预测空气干燥基高位发热量以及预测干燥基高位发热量进行所需的煤质分析。2.根据权利要求1所述的基于支持向量机的煤质分析方法,其特征是:在基于支持向量机的煤质预测模型中,采用RBF核函数,煤质预测模型包括干燥基灰分预测模型、收到基挥发分预测模型、空气干燥基挥发分预测模型、干燥基挥发分预测模型、收到基低位发热量预测模型、空气干燥基高位发热量预测模型以及干燥基高位发热量预测模型。3.根据权利要求2所述的基于支持向量机的煤质分析方法,其特征是:所述干燥基灰分预测模型为 其中,表示预测干燥基灰分,为干燥基灰分预测的拉格日乘子,为6×1维的矩阵,为干燥基灰分预测拉格朗日乘子中对应的列元素,为干燥基灰分预测的支持向量,为6×4维的矩阵,为干燥基灰分预测支持向量内对应的行,是由全水数据、空气干燥基水分、收到基灰分以及空气干燥基灰分组成的行向量;所述收到基挥发分预测模型为其中,表示预测收到基挥发分,为收到基挥发分预测的拉格日乘子,为37×1维的矩阵,为收到基挥发分预测拉格朗日乘子中对应的列元素,为收到基挥发分预测的支持向量,为37×4维的矩阵,为收到基挥发分预测支持向量内对应的行,是由全水数据、空气干燥基水分、收到基灰分以及空气干燥基灰分组成的行向量;空气干燥基挥发分预测模型为其中,表示预测空气干燥基挥发分,为空气干燥基挥发分预测的拉格日乘子,为45×1维的矩阵,为空气干燥基挥发分预测拉格朗日乘子中对应的列元素,为空气干燥基挥发分预测的支持向量,为45×4维的矩阵,为空气干燥基挥发分预测支持向量内对应的行,是由全水数据、空气干燥基水分、收到基灰分以及空气干燥基灰分组成的行向量。4.根据权利要求2所述的基于支持向量机的煤质分析方法,其特征是:所述干燥基挥发分预测模型为其中,表示预测干燥基挥发分,为干燥基挥发分预测的拉格日乘子,为49×1维的矩阵,为干燥基挥发分预测拉格朗日乘子中对应的列元素,为干燥基挥发分预测的支持向量,为49×4维的矩阵,为干燥基挥发分预测支持向量内对应的行,是由全水数据、空气干燥基水分、收到基灰分以及空气干燥基灰分组成的行向量;所述收到基低位发热量预测模型为其中,表示预测收到基低位发热量,为收到基低位发热量预测的拉格日乘子,为100×1维的矩阵,为收到基低位发热量预测拉格朗日乘子中对应的列元素,为收到基低位发热量预测的支持向量,为100×4维的矩阵,为收到基低位发热量预测支持向量内对应的行,是由全水数据、空气干燥基水分、收到基灰分以及空气干燥基灰分组成的行向量;空气干燥基高位发热量预测模型为其中,表示预测空气干燥基高位发热量,为空...
【专利技术属性】
技术研发人员:雷萌,李明,石莹,陈凡,李翠,
申请(专利权)人:中国矿业大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。