基于L-M梯度迭代算法的煤质发热量预测模型

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(Cd)、灰分(Aad)与发热量(Qgr,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Rt、验证集系数Ra和测试集系数Rm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。