论文部分内容阅读
由于掺配煤种煤质的波动,配煤是一个在不确定的条件下的优化问题.传统的线性规划模型已不能解决这种非线性问题,而BP神经网络这一非线性优化工具已成功地应用于混煤煤质特性的预测模型.本文详细地分析了不同BP神经网络模型的预测效果以及制约其预测效果的主要因素(网络结构、学习样本数量、隐层节点数、学习精度),并发现学习样本数是影响BP神经网络性能的关键.