基于蚁群优化BP神经网络模型的煤灰熔点预测方法技术

本发明专利技术公开了一种基于蚁群优化ＢＰ神经网络模型的煤灰熔点预测方法。它将蚁群优化算法与ＢＰ神经网络算法相融合共同完成神经网络训练，以提高网络模型的训练精度和预报精度；并将该网络模型应用于煤灰熔点的预测，取得了良好的预测精度。本发明专利技术的优点：１）利用蚁群优化算法具有全局搜索的特性，对网络权值进行整体寻优，克服ＢＰ算法容易陷入局部最优的不足；２）ＢＰ算法以蚁群优化算法提供的较优权值为初值，利用其强大的非线性映射能力对网络权值作进一步的优化；３）基于煤灰的化学组成成分，建立煤灰熔点的蚁群优化ＢＰ神经网络模型，该网络模型应用于煤灰熔点的预测，验证了本发明专利技术煤灰熔点预测方法的有效性。

【技术实现步骤摘要】

本专利技术涉及煤灰熔点的预测方法，尤其是指一种基于蚁群优化BP神经网络模型的煤灰熔点预测方法。
技术介绍
煤灰熔点对锅炉结渣、结焦特性和热效率都有很大影响，因此是锅炉设计和运行中都非常关注的问题。影响煤灰熔融性的主要因素是煤灰的化学组成，锅炉高温环境的介质性质亦对煤灰熔点有一定的影响[1]，前者是内因，后者是外因，本专利技术的关注点是前者对灰熔点的影响。由于煤的结渣特性是一个复杂多变的物理化学过程，各种成份相互作用的情况难以预测，到目前为止，灰熔点的计算还没有一个普遍认可且预测精度较高的计算方法[2]。国家标准GB/TZ19-1996《煤灰熔融性的测定方法》是一种试验测定方法，但由于煤灰熔融温度的测试需要专门的实验设备且操作繁琐，目前国内很多电站和中小型企业普遍不具备实测煤灰熔融性ST(软化温度)的条件，因此寻求数学模型来预测煤灰的熔融温度一直是人们努力的方向。陈文敏等[3]系统地研究了我国煤的灰熔融性软化温度(ST)与煤灰中SiO2、Al2O3、Fe2O3、CaO等主要氧化物成份之间的关系，并推导出了利用煤灰成份计算煤灰熔融性的一组多元回归方程；龚树生等[4]采用多元线性回归的本文档来自技高网...

【技术保护点】
一种基于蚁群优化ＢＰ神经网络模型的煤灰熔点预测方法，其特征在于采用蚁群觅食搜索最短路径的仿生方法，搜索煤灰熔点网络模型的网络权值；以蚁群优化算法提供的较优权值为初值，利用ＢＰ神经网络强大的非线性映射能力，对煤灰熔点网络模型的权值作进一步优化；基于煤灰化学组成成份建立相应的蚁群优化ＢＰ神经网络模型，并以该模型预测煤灰熔点。

【技术特征摘要】
1.一种基于蚁群优化BP神经网络模型的煤灰熔点预测方法，其特征在于采用蚁群觅食搜索最短路径的仿生方法，搜索煤灰熔点网络模型的网络权值；以蚁群优化算法提供的较优权值为初值，利用BP神经网络强大的非线性映射能力，对煤灰熔点网络模型的权值作进一步优化；基于煤灰化学组成成份建立相应的蚁群优化BP神经网络模型，并以该模型预测煤灰熔点。2.根据权利要求1所述的一种基于蚁群优化BP神经网络模型的煤灰熔点预测方法，其特征在于所述的蚁群优化算法采用多组精英保留策略，将网络模型权值的定义域均匀划分成若干子区域，区域数目在应用中选择一个适当值，兼顾蚁群优化所需的时间开销...

【专利技术属性】
技术研发人员：刘彦鹏，安庆敏，吴明光，
申请(专利权)人：浙江大学，
类型：发明
国别省市：86[中国|杭州]