一种基于改进SVR的煤矸石发热量软测量方法技术

本发明专利技术公开了一种基于改进SVR的煤矸石发热量软测量方法。所述方法包括以下步骤：收集数据，形成样本数据集，形成样本集合D；数据集处理，将样本数据集分为训练验证集和测试集；利用拉普拉斯分值法对样本集合D进行特征选择，根据重要性度量对特征进行排序，并进行特征选择；建立支持向量机回归SVR模型；改进麻雀搜索算法，使用改进后的麻雀搜索算法优化支持向量机回归SVR模型中的惩罚系数C、核参数σ；对测试集样本进行检测，利用测试样本对训练好的支持向量机回归SVR模型进行测试，训练好的支持向量机回归SVR模型的输出为煤矸石热值预测的结果。本发明专利技术提高了工业场景中在线煤矸石热值预测的快速性与准确性。热值预测的快速性与准确性。热值预测的快速性与准确性。

【技术实现步骤摘要】
一种基于改进SVR的煤矸石发热量软测量方法


[0001]本专利技术涉及工业过程中软测量
，具体涉及一种基于改进SVR的煤矸石发热量软测量方法。

技术介绍

[0002]煤矸石是一种在采、洗煤过程中产生的固体排放物。开采煤炭所带出的煤矸石数量庞大，目前煤矿排矸量约为其煤炭开采量的10％～25％。据不完全统计，我国煤矸石累计堆存量已达70亿吨，并以8亿吨/年的速度增长，全国煤矸石山2000多座，占地20多万亩，造成了极大的资源浪费。煤矸石中的硫化物逸出或浸出会污染大气、农田和水体。为了消除污染，自60年代起，很多国家开始重视煤矸石的处理和利用。目前煤矸石的利用途径主要包括煤矸石沸腾炉发电、煤泥循环流化床发电、煤矸石制砖、煤矸石生产水泥等，这些生产方式主要都是利用煤矸石燃烧产生的热量，从而达到节能减排和降低成本的目的。因此对煤矸石发热量的测定具有重要的意义。传统煤矸石发热量测量方法通常通过充分燃烧煤矸石样本，利用热量仪测量煤矸石燃烧释放的热量。但此类发热量检测方法不仅易受到仪器和人为因素的影响，且存在检测速度慢、分析周期长等缺陷(低热值煤发热量测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进SVR的煤矸石发热量软测量方法，其特征在于，包括以下步骤：S1、收集数据，形成样本数据集，将来自不同区域的煤矸石样本的4种工业分析指标、5种元素分析指标以及每个样本的热值NCV进行收集，形成样本集合D；S2、数据集处理，将样本数据集分为训练验证集和测试集；S3、利用拉普拉斯分值法对样本集合D进行特征选择，根据重要性度量对特征进行排序，并进行特征选择；S4、建立支持向量机回归SVR模型；S5、使用精英反向学习策略、莱维飞行策略改进麻雀搜索算法(Sparrow Search Algorithm,SSA)，使用改进后的麻雀搜索算法优化支持向量机回归SVR模型中的惩罚系数C、核参数σ；S6、对测试集样本进行检测，利用测试样本对训练好的支持向量机回归SVR模型进行测试，训练好的支持向量机回归SVR模型的输出为煤矸石热值预测的结果。2.根据权利要求1所述的一种基于改进SVR的煤矸石发热量软测量方法，其特征在于，步骤S1中，所述4种工业分析指标包括煤矸石样本中水分Mad、灰分Aad、挥发分Vad和固定碳Fcad的含量；所述5种元素分析指标包括煤矸石样本中碳C、氢H、氮N、硫S、氧O的含量；将热值NCV与9种分析指标结合记为一个样本点，形成样本集合D＝{D1，D2…
，D
m
}，m为样本总数；每个样本包括的9个分析指标即为该样本的特征值。3.根据权利要求1所述的一种基于改进SVR的煤矸石发热量软测量方法，其特征在于，步骤S2中，训练验证集用于通过最小化统计误差来优化支持向量机回归SVR模型的参数，训练验证集包括训练集和验证集，训练集用于训练支持向量机回归SVR模型，验证集用于得到最优的支持向量机回归SVR模型，测试集用于检验优化后的支持向量机回归SVR模型的分类性能；训练集、验证集、测试集的数据比例为6:2:2。4.根据权利要求3所述的一种基于改进SVR的煤矸石发热量软测量方法，其特征在于，步骤S3包括以下步骤：S3.1、计算拉普拉斯权重矩阵S，t为常量，S
ij
为矩阵S第i行第j列元素，若样本集合D中第i个样本点D
i
与第j个样本点D
j
是相邻的，则：否则：S
ij
＝0；S3.2、拉普拉斯分值可以有效的衡量各个特征的权重，特征的拉普拉斯分值定义为：其中，L
r
表示第r个特征的拉普拉斯分值，(h
ri
‑
h
rj
)表示第i个样本点D
i
与第j个样本点D
j
的第r个特征值的差值；Var(h
r
)表示第r个特征在所有样本点上的方差，第r个特征的拉普拉斯分值L
r
越低，表明该特征越好；S3.3、利用拉普拉斯分值法的分值重要性度量对特征进行排序，依次选择所述r个特征的前1个、前2个、前3个
…
直至全部9个特征作为特征子集，在进行支持向量机回归SVR模型建模时，特征子集被作为输入变量。5.根据权利要求4所述的一种基于改进SVR的煤矸石发热量软测量方法，其特征在于，步骤S4中，建立支持向量机回归SVR模型，以第i个样本点D
i
为例，将第i个样本点D
i
的特征子集选作输入变量，记为x
i
，对应第i个样本点D
i
的煤矸石样本的热值NCV为目标变量是支持向量机回归SVR模型的期望输出，记为z
i
；支持向量机回归SVR模型是将特征子集x
i
的特征值矩阵和其对应的煤矸石热值z
i
，通过一个非线性映射函数映射到高维特征空间上，特征子集x
i
的特征值矩阵输入数据与g(x
i
)输出数据之间的非线性关系为：其中，g(x
i
)即为特征子集x
i
的特征值矩阵对应的煤矸石热值z
i
，参数w，b分别为超平面的法向量和截距；支持向量机回归SVR模型写成如下需要优化的目标函数：其中，C是目标函数中第一项和第二项的调整参数，也即惩罚因子；和ξ
i
分别为取自样本集合D的第i个样本点所对应的第一松弛因子和第二松弛因子，其值非负；R
ε
为广义拉格朗日函数，第一松弛因子用于调整离群点在建模时的权重大小，或称重要性度量，以保持回归函数平坦性并惩罚大权重，并且通过使用最大化两个相互分离的训练样本之间距离的思想来调节它们；第二松弛因子ξ
i
用于惩罚通过采用不敏感损失来训练g(x)与z
i
之间的误差约束条件，其约束条件如下所示：差约束条件，其约束条件如下所示：差约束条件...

【专利技术属性】
技术研发人员：高湘彬，贾博，马小晶，张家旺，刘寒，李根，
申请(专利权)人：国网新疆电力有限公司电力科学研究院新疆大学华南理工大学，
类型：发明
国别省市：