一种基于Elman神经网络模型的秸秆热值预测方法技术

本发明专利技术公开了一种基于Elman神经网络模型的秸秆热值预测方法，包括以下步骤：(1)数据的归一化和输入：将秸秆的成分，即纤维素、半纤维素和木质素的含量及秸秆对应的热值定义为一组数据，将所有数据进行归一化处理后输入至Matlab软件中；(2)确定神经网络的训练结构：将秸秆的三种成分：纤维素、半纤维素和木质素的含量作为输入参数，对应的神经网络的输入层神经元为3个；秸秆的热值作为输出参数，对应神经网络的输出层神经元为1个；确定隐含层的神经元数目；(3)确定训练函数和训练次数；(4)训练神经网络：(5)利用神经网络进行预测并对误差进行分析。本发明专利技术方法具有预测精度高，泛化能力好，可靠性高的优点。

A method for predicting calorific value of straw based on Elman neural network model

The invention discloses a method for predicting calorific value of straw based on Elman neural network model, which comprises the following steps: (1) data normalization and input: the composition of straw, which defines the content and calorific value of straw cellulose, hemicellulose and lignin corresponding to a set of data, all the data were normalized to input to Matlab the software; (2) to determine the structure of the neural network training: three components: content of straw cellulose, hemicellulose and lignin as input parameters, the input layer neurons of the neural network corresponds to 3; the calorific value of straw as an output parameter, the output layer neurons corresponds to neural network 1 determine the number of hidden layer neurons;; (3) determine the training function and the number of training; (4) neural network: (5) prediction and the error was analyzed by using neural network. The method of the invention has the advantages of high prediction accuracy, good generalization ability and high reliability.

【技术实现步骤摘要】
一种基于Elman神经网络模型的秸秆热值预测方法
本专利技术涉及秸秆热值的预测方法，具体的说，是涉及一种基于Elman神经网络模型的秸秆热值预测方法。
技术介绍
生物质致密成型技术是把农林废弃物加工再利用、解决生物质资源浪费和污染问题的一种重要技术手段[1-2]，我国《能源发展“十三五”规划》中明确指出生物质致密成型技术是生物质能源利用的重要方式。我国作为农业大国，生物质资源十分丰富，秸秆作为重要的成型原料，每年农作物秸秆产量大约在7亿t，折合标准煤约为3.5亿t[3]。直接测定生物质热值常采用氧弹法[4]，但这种测量方法的仪器昂贵，操作步骤繁琐[5]。研究表明，热值与纤维素、木质素含量有密切联系[6]。鉴于此，岳建芝[6]等通过通过回归分析计算了不同玉米秸秆的热值，并得出了相应的回归方程用于预测玉米秸秆的热值。程旭云等基于工业分析指标，利用主成分回归方法建立了生物质秸秆的热值预测模型。模型可以较准确地预测生物质秸秆热值。[7]但秸秆成分与热值并不是呈单纯的线性关系，且这些公式泛化能力有限。因此，有必要寻找有效的方法对其进行准确预测。Elman神经网络是一种有局部反馈的神经网络，该网本文档来自技高网...

【技术保护点】
一种基于Elman神经网络模型的秸秆热值预测方法，其特征在于，包括以下步骤：(1)数据的归一化和输入：将秸秆的成分，即纤维素、半纤维素和木质素的含量及秸秆对应的热值定义为一组数据，将所有数据进行归一化处理后输入至Matlab软件中；(2)确定神经网络的训练结构：将秸秆的三种成分：纤维素、半纤维素和木质素的含量作为输入参数，对应的神经网络的输入层神经元为3个；秸秆的热值作为输出参数，对应神经网络的输出层神经元为1个；确定隐含层的神经元数目；(3)确定训练函数和训练次数；(4)训练神经网络：根据步骤(2)和步骤(3)确定的神经网络的结构、训练函数和训练次数，将步骤(1)得到的归一化数据带入到Elm...

【技术特征摘要】
1.一种基于Elman神经网络模型的秸秆热值预测方法，其特征在于，包括以下步骤：(1)数据的归一化和输入：将秸秆的成分，即纤维素、半纤维素和木质素的含量及秸秆对应的热值定义为一组数据，将所有数据进行归一化处理后输入至Matlab软件中；(2)确定神经网络的训练结构：将秸秆的三种成分：纤维素、半纤维素和木质素的含量作为输入参数，对应的神经网络的输入层神经元为3个；秸秆的热值作为输出参数，对应神经网络的输出层神经元为1个；确定隐含层的神经元数目；(3)确定训练函数和训练次数；(4)训练神经网络：根据步骤(2)和步骤(3)确定的神经网络的结构、训练函数和训练次数，将步骤(1)得到的归一化数据带入到Elman神经网络模型中对神经网络进行训练；(5)利用神经网络进行预测并对误差进行分析：根据测定的秸秆的成分带入至Elman神经网络模型中即可得到该秸秆的热值。2.根据权利要求1所述一种基于Elman神经网络模型的秸秆热值预测方法，其特征在于，步骤(1)中将所有数据进行归一化处理后使所有数据在(0,1)之间，具体过程如下：其中Xmin和Xmax是数据X中的最小值和最大值，Xi是数据X中的任意一个值，Yi是Xi经过归一化处理之后的结果，而样本通过训练得到的预测结果Yi根据式(5)还原得到热值的预测结果Xi：Xi＝(Xmax-Xmin)×Yi+Xmin(5)。3.根据权利要求1所述一种基于Elman神...

【专利技术属性】
技术研发人员：杜宇航，杨俊红，崔旭阳，雷万宁，黄涛，高琳，贾晨，邓磊，
申请(专利权)人：天津大学，陕西启迪瑞行清洁能源科技有限公司，
类型：发明
国别省市：天津,12