论文部分内容阅读
随着我国电力工业的进一步发展,约有 3/4 以上的电力由火力发电来满足,新建大型火力发电厂所用的燃料主要立足于煤炭,而煤质的优劣又直接关系到大气被污染的程度和火力发电厂的经济效益等问题。所以,通过对煤进行准确的工业分析,就可以初步判断煤的性质、种类和各种煤的加工利用效果及其工业用途,对煤质做出评价,进而能减小空气污染程度,取得较大的经济效益。 传统的工业分析方法有很多,尤其是随着中子感生瞬发γ-射线在线分析(简称NIPGA)技术在煤炭工业中的应用,现代解谱技术也有了很大的发展,但是对于分析过程中存在的非线性问题、峰间干扰问题尚未得到很好的解决。随着人工智能技术的发展,人工神经网络理论也得到了迅速的发展,其中 BP 神经网络是各种神经网络中具有代表意义的神经网络模型之一,并获得了广泛的应用。本文就是应用 BP 神经网络的函数逼近功能对煤的γ能谱进行分析,并预测其成份含量。 文中阐述了用 BP 神经网络进行解谱的原理、特点和优势,以及用 BP 神经网络解析能谱时所无法克服的系统误差的成因。同时,对 BP 神经网络及算法进行了系统而详细的介绍,并分析了它存在的主要缺陷及其产生的原因,针对解谱的难点和 BP 算法存在的主要缺陷,提出了相应的改进措施,如:加入动量项、动态调整学习步长和动量系数、动态调整结束点,以及“继承学习”的方法等,并设计出解谱的网络结构和算法。在对煤谱训练过程中,采用了两套激活函数方案:即隐层与输出层节点激活函数相同和不同时,分别寻找训练网络的最佳隐节点数。最后分别构建了这两套方案的测试网络结构和算法,并将它们的预测结果与化学法测得的成份含量进行了比较,同时也对它们的预测精度进行的对比分析,证明了将 BP 神经网络应用于煤谱解析,其精度较高,是一种较为有效的预测方法。