结合参数优化机器学习算法的煤矸石发热量预测

摘要：

为更快捷、方便地获取煤矸石和煤炭等燃料的发热量,文中提出一种将机器学习技术与参数优化算法相结合的煤矸石发热量预测模型.首先,对新疆主要矿区煤矸石开展工业分析和发热量的实验测量,构建新疆煤矸石工业分析指标和发热量数据库;然后,建立以煤矸石工业分析指标为输入,基于支持向量回归(SVR)、随机森林(RF)和多层感知(MLP)神经网络的煤矸石发热量非线性预测模型;同时,为提高模型预测精度,引入麻雀搜索算法(SSA)和黏菌算法(SMA)对模型关键参数进行优化;最后,对所构建的几种煤矸石发热量预测模型进行对比分析.结果表明:与SSA相比,采用SMA优化参数能够更好地提高三种预测模型的精度;SVR和MLP模型的预测性能优于RF模型,其中SMA-SVR模型的收敛速度最快且预测精度较高,适用于煤矸石等燃料发热量的预测研究.

关键词：煤矸石、发热量预测、支持向量回归、随机森林、多层感知神经网络、麻雀搜索算法、黏菌算法

所属期刊栏目：46

分类号：TN919-34;TQ533;TD94

资助基金：新疆新能集团有限责任公司乌鲁木齐电力建设调试所科技项目SGXJXN00TSJS2200141

在线出版日期：2023-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：168-174