基于煤岩煤质多元指标的BP神经
网络焦油产率预测方法研究
乔军伟1,2,3，王昌建1，赵泓超4，师庆民1,2,3，
张 煜1，范 琪5，王 朵1，袁丹丹1
作者单位
(1. 西安科技大学 地质与环境学院，陕西 西安 710054；2. 西安科技大学 陕西省煤炭绿色开发地质保障重点实验室，陕西 西安 710054；3. 西安科技大学 煤炭绿色开采地质研究院，陕西 西安 710054；4. 陕西煤业化工集团有限责任公司，陕西 西安 710100；5. 中煤能源研究院有限责任公司，陕西 西安 710054)
PART.1
创新点
（1）阐释了煤岩煤质对焦油产率的影响规律，构建了基于陕北侏罗纪煤田煤岩煤质大数据20项指标和4项指标的BP神经网络焦油产率预测模型，训练集数据在两个预测模型的最终训练均方误差分别为0.30和1.07。
（2）确定了20项煤岩煤质指标建立的预测模型具有更好的准确性和泛化能力。测试集数据的焦油产率预测结果平均绝对误差分别为0.65和1.35；扩展集数据在两个模型中的焦油产率预测结果平均绝对误差分别为0.84和1.34。
（3）基于SHAP算法挖掘了BP神经网络预测模型中煤岩煤质与焦油产率之间多维度、非线性的内在联系，量化确定镜质组、氢元素、三氧化二铁、水分、挥发分、碳元素、壳质组、氧元素对焦油产率的正向作用，而三氧化二铝、惰质组、固定碳、灰分、二氧化硅等对焦油产率的负向作用。
PART.2
文章主要内容
1 焦油产率的影响因素
1.1 显微组分
1.2 工业分析
1.3 元素组成
1.4 煤灰成分
2 焦油产率预测模型的构建
2.1 预测方法和流程
2.2 数据集构建
2.2.1 数据筛选
2.2.2 数据集构建
2.3 结构设计与算法实现
2.3.1 预测模型结构设计
2.3.2 预测模型算法实现
2.4 预测模型训练
3 预测模型评价
3.1 准确性
3.2 可靠性
PART.3
主要图表
图 1 煤岩煤质指标与焦油产率的关系
图 2 基于BP神经网络的煤焦油产率预测流程
图 3 BP神经网络算法的结构
图 5 两个预测模型焦油产率预测值和实测值对比
（扫描阅读原文）
PART.4
作者简介
乔军伟，博士，副教授，硕士生导师，《煤田地质与勘探》青年编委，主要从事煤炭清洁利用地质评价与煤系矿产地质方面的研究，自然资源部高层次科技创新人才工程科技创新团队成员。主持国家自然科学基金、陕西省自然科学基础研究计划等省部级项目2项、参加国家自然科学基金重点项目1项；参加中央地质勘查基金项目、中国地质调查局、中国煤炭地质总局等地质调查和科研项目10余项。参加中国煤系矿产资源评价丛书和中国煤炭清洁利用评价丛书编写，主编专著1部、参编专著3部；授权发明专利3项，发表论文30余篇。研究成果获中国地质学会十大地质科技进展3项、省部级科学技术进步奖4项、省部级优质报告奖5项、厅局级科学技术及优质成果奖5项。
引用格式：
乔军伟 ，王昌建 ，赵泓超 ，等. 基于煤岩煤质多元指标的BP神经网络焦油产率预测方法研究[J]. 煤田地质与勘探，2024，52(7)：108−118.
doi: 10.12363/issn.1001-1986.23.12.0860
