论文部分内容阅读
本文利用灰色关联理论分析灰化学组成及组合参数对煤灰流动温度的关联度,选取关联度较大的参数和文献中普遍使用的参数分别当做预测煤灰流动温度的变量,利用MATLAB广义神经网络建立网络模型,通过测试选取合适的模型。在Visual Studio2010开发环境下,结合MATLAB混合编程的方法,以SQL Server2008建立的煤质数据库为后台、开发一套基于神经网络的煤灰熔融温度预测系统。研究结果如下：(1)依据酸性组分(SiO2+Al2O3+TiO2)大小,将选取的354种煤灰分成五类,分别为：高硅铝煤灰(≥85%)、中高硅铝煤灰(80%伍84%)、中硅铝煤灰(65%-79%)、中低硅铝煤灰(50%-64%)、低硅铝煤灰(≤9%)。利用灰色关联理论分析发现组合参数酸性组分之和、铁钙镁之和、硅铝比、钾钠之和对煤灰流动温度的关联度几乎均大于其单个组分,说明它们对煤灰流动温度的影响较大。(2)其中针对高硅铝煤灰又分两类：硅铝比≥2且铁钙镁(Fe2O3+CaO+MgO)含量≥8%、硅铝比<2且铁钙镁(Fe2O3+CaO+MgO)含量<8%,经分析发现后者的煤灰流动温度均大于1500℃,故只对前者和剩余的四类分别按照两种预测方式(a)和(b)建立了网络模型,通过对每一种方式建立的五类网络模型进行训练与测试,最终选出选出按照方式a进行网络预测,最大相对误差分别为1.34%、7.55%、10.50%、4.75%、8.16%、1.34%,最小相对误差分别为0.52%、0.00%、0.00%、0.00%、0.91%,平均相对误差分别为0.93%、0.07%、0.67%、0.08%、1.30%。利用MATLAB语言分别编写了五个网络模型对应的m文件,并编译为.NET组件。(3)调用已形成的.NET组件,建立了配煤及其添加石灰石助熔剂煤灰流动温度预测预测系统,通过调试系统运转正常,能够快速预测配煤的流动温度。(4)建立了煤质数据库,并利用C#编程语言进行代码编程,实现了煤质数据的“查询”、“增加”、“修改”、“删除”操作。