论文部分内容阅读
采集煤的实测发热量、水分和灰分数据52组，利用线性回9-3与人工神经网络模型预测煤炭发热量。数据分析表明：发热量与煤的灰分有较好的相关关系；线性回归预测中，灰分的标准回归系数为-0．90，水分的标准回归系数为一0．33，灰分对发热量的影响比水分显著，预测结果的平均绝对误差为0．27；在MATLAB环境下应用神经网络工具箱建立了2—5—1的神经网络模型，人工神经网络模型预测结果的平均绝对误差为0．22。2种预测方法在一定精度范围内可满足实际需要，但综合比较的结果表明，神经网络方法可以处理非线性数据，具有自学