基于仿生算法联合优化BP的燃煤发热量预测

摘要

【目的】燃煤发热量的精准预测和评价是煤质分析和热工计算的重要基础，目前神经网络预测燃煤发热量的模型虽能有效拟合非线性关系，但存在易陷入局部最小值、收敛速度慢等问题。【方法】为精准预测煤炭在工业锅炉燃烧过程中的发热量，提出一种由仿生算法FA-GA联合优化BP神经网络的燃煤发热量预测方法。将774组燃煤锅炉常用煤的工业分析及元素分析数据进行预处理，根据平均影响值对煤质指标进行特征变量筛选，最终建立FA-GA-BP的发热量预测模型，并从误差评价指标、迭代次数等方面对优化算法寻优能力和模型预测精度进行了检验。【结果】经过特征变量筛选后模型的预测精度提升至0.956 1;FA-GA联合算法与单一优化算法FA、GA、PSO相比，迭代次数显著减少，算法的全局搜索能力得到有效提升；FA-GA-BP模型与单一优化模型FA-BP、GA-BP、PSO-BP以及目前常用的发热量模型MLR和SVR相比，精度更高，相关系数可达0.984 5.【结论】FA-GA算法优化BP模型，针对燃煤锅炉中来自不同地区、不同煤种的发热量预测具有良好的效果，在理论上满足了工业误差要求。改进后的燃煤发热量预测模型可为有效监测入炉煤质实时变化提供一种新方法。

关键词

燃煤发热量 / BP神经网络 / 遗传算法 / 萤火虫算法 / 平均影响值