基于工业分析预测煤质发热量研究_中国煤炭行业知识服务平台

基于工业分析预测煤质发热量研究

作者

宋宜猛
摘要

为快速准确的预测煤质发热量,基于煤质工业分析数据,以粒子群优化算法（PSO）和支持向量机（SVM）理论为基础,采用PSO算法优化SVM超参数,建立了参数优化的PSO-SVM预测模型。在同等条件下,构建了标准SVM模型和多元线性回归（MLR）模型,并与PSO-SVM模型预测结果进行对比。结果表明,PSO-SVM模型、SVM模型和MLR模型都具有较好的预测效果,测试结果的平均绝对百分误差分别为2.433%,2.956%和3.135%;MLR模型具有较好的建模效果,但泛化性差,测试阶段出现了较大误差;参数寻优显著提高了SVM的预测精度,与线性模型相比,非线性PSO-SVM模型具有更好的泛化性和外推能力,更适合于煤质发热量的预测。
关键词

工业分析发热量支持向量机粒子群优化多元线性回归
基金项目(Foundation)

国家自然科学基金项目（41872179,52104225）；
文章目录

0 引言
1 基础理论
1.1 支持向量机
1.2 粒子群优化算法
2 PSO-SVM发热量预测模型
3 煤质发热量预测
3.1 数据设置
3.2 性能指标
3.3 对比分析
4 结论
引用格式

宋宜猛.基于工业分析预测煤质发热量研究[J].西安科技大学学报,2022,42(01):70-75.DOI:10.13800/j.cnki.xakjdxxb.2022.0110.