摘要
采集煤的实测发热量、水分和灰分数据52组,利用线性回归与人工神经网络模型预测煤炭发热量。数据分析表明:发热量与煤的灰分有较好的相关关系;线性回归预测中,灰分的标准回归系数为-0.90,水分的标准回归系数为-0.33,灰分对发热量的影响比水分显著,预测结果的平均绝对误差为0.27;在MATLAB环境下应用神经网络工具箱建立了2-5-1的神经网络模型,人工神经网络模型预测结果的平均绝对误差为0.22。2种预测方法在一定精度范围内可满足实际需要,但综合比较的结果表明,神经网络方法可以处理非线性数据,具有自学习性、自适应性以及容错性,预测结果精度较高等优点。
煤炭科学技术 
2009年第12期 
