基于现代神经网络的煤炭质量数据分析与预测是采用神经网络结合深度学习的方法对煤质数据的发热量及销量进行分析和预测，以期达到对煤矿生产经营活动的辅助指导作用。
　　煤质化验是煤矿生产和销售过程中的一个重要环节。煤炭的发热量是销售过程中标定价格的重要指标以及区分煤炭用途的决定性条件。煤矿在生产经营中采用煤质化验方法，通过物理或化学方式测定煤炭的发热量及其它指标来深刻准确的了解煤炭的组成，从而指导煤炭的开采、生产和销售活动。近些年，随着深度学习的提出，神经网络再一次焕发生机，在诸多人工智能应用中被广泛使用并表现出了极佳的性能。深度学习中新技术的提出对于解决煤质众多指标间复杂非线性关系的分析和预测工作起到了推动作用。
　　因此，本文从生产实践的真实需求出发，结合现代神经网络技术和煤质数据集的特点,设计实现了一套基于现代神经网络的煤炭热值、销量分析及短期预测方法，主要内容可概括如下：
　　(1)设计实现基于多层神经网络的煤炭发热量分析方法
　　针对煤炭发热量和煤质指标的关联关系分析，设计了基于多层神经网络的分析系统，实现了煤炭发热量与煤质指标间关联关系的准确拟合，准确率达到了99.40%，满足了在生产实践中对录入系统的煤质数据的监督需求，达到了对不符合关联关系的记录进行预警的目的。
　　(2)设计基于LSTM神经网络的煤炭发热量和销量短期预测方法
　　针对煤炭发热量和销量的短期预测，设计了基于长短期记忆神经网络的预测系统，分别实现了煤炭发热量和销量的短期预测。其中，发热量的预测分别采用了单变量和多变量的网络输入，最终准确度达到了98.81%；对于煤炭销量的预测，设计了一种基于多模型的单变量时间序列预测方法，提升了原LSTM神经网络的单模型预测准确度，最终预测的准确度达到了95.13%，满足了对生产实践的辅助指导作用。