收藏本站
收藏 | 论文排版

基于BP神经网络的数据挖掘技术探究及其在煤热转化数据规律分析中的应用

谢良才  
【摘要】:近十几年来,随着人们利用信息技术采集和分析数据能力的大幅提升以及人工智能技术的快速发展,极大的推动了数据挖掘技术在各类基础科学研究中的快速兴起,尤其是以人工神经网络智能算法为基础的数据挖掘技术应用更为广泛。鉴于此,本文以非线性映射能力、并行处理能力以及容错性能优异且广泛使用的BP神经网络数据挖掘技术为基础,将数据挖掘的方法和思想引入到煤热转化领域的数据规律挖掘之中,以期在煤质基础数据与其热转化特性之间探寻出有价值的内在规律或关系。本文的研究内容主要包括高性能数据挖掘技术的设计和在煤热转化领域实际应用两个方面的研究工作。首先,本文全面阐述了数据挖掘的基本理论与方法。在了解并分析了多种数据挖掘技术的基础上,重点对基于BP神经网络的数据挖掘技术进行了深入的分析与阐述。进一步的,本文针对BP神经网络算法中存在的收敛速度慢、网络初值随机性、易陷入局部极小等不足,提出了一种多算法优势集成、联合优化的改进型算法(HA-BP),并在非线性函数仿真中得到了充分论证。此外,本文基于HA-BP算法分别设计了HA-BP-3δ异常数据检测模型、HA-BP-MIV变量因素分析模型,它们的可靠性与实用性同样在非线性函数仿真中得到了充分论证。而后,本文将该数据挖掘技术应用于煤质基础数据(工业分析、元素分析、灰成分分析)对煤燃烧发热量、煤热解特性、煤气化灰流动温度的数据规律挖掘(预测目标)研究中。(1)煤工业分析、元素分析与燃烧发热量之间的数据规律挖掘本节以104组我国不同地域(涵盖了华东、华中、华北、华南以及西北地区)的煤质基础分析数据(工业分析、元素分析)以及发热量(Qnet,ad)数据样本为研究基础。首先,采用HA-BP-3δ模型剔除了6组原始训练数据样本。清洗后的样本(原始数据使用率达到93%),经HA-BP计算的总数据集的平均绝对误差为0.22 MJ/Kg。在此基础上,提取出挖掘到的内在关系,使用HA-BP-MIV对变量因素进行了分析,分析结果显示,FC_(ad)、C_(ad)、H_(ad)、N_(ad)以及S_(ad)与煤的发热量呈正相关性,M_(ad)、A_(ad)与煤的发热量呈负相关性。此外,7个因素对煤发热量的影响大小为:C_(ad)A_(ad)FC_(ad)M_(ad)N_(ad)S_(ad)H_(ad);其中,A_(ad)、C_(ad)、FC_(ad)对煤发热量的累计影响值达到了总贡献率的90.31%。进一步的,基于三个主要因素计算的平均绝对误差为0.47 MJ/Kg。此外,鉴于部分企业缺乏煤质元素分析的数据,进而难以使用该算法挖掘到的内在关系,为此,本文进一步的使用煤质工业分析的M_(ad)、A_(ad)、FC_(ad)作为输入变量,借助HA-BP模型对发热量进行了研究。计算结果发现,仅通过工业分析数据计算的发热量总样本集的平均绝对误差为0.36MJ/Kg。(2)煤热解失重特性与工业分析、元素分析数据之间的数据规律挖掘本节以10组不同产地的煤为研究样本,借助HA-BP模型考察了煤(加氢)热解失重特性曲线与其工业分析、元素分析之间的内在关联。为了实现对煤热解失重特性曲线“线”预测的目标,本文首先基于煤热解失重的典型特征,有针对性的提取了部分数据点。经HA-BP计算后,发现训练样本、检验样本的计算值与实验值数据点的相关性R~2分别为0.9966、0.9943。在此基础上,提取出挖掘到的内在关系,使用HA-BP-MIV对变量因素进行了分析,分析结果显示,T、A_d、V_d、H_d、S_d对煤热解失重呈现正相关性;C_d、N_d对煤热解失重呈现负相关性。此外,7个因素对煤热解失重结果的影响大小为TV_dC_dH_dN_dS_dA_d;其中,T、V_d、C_d、H_d这4个因素对煤热解失重的累计影响达到了总贡献率的98.26%。进一步的,我们发现基于4个主要因素预测的精度与7因素下的预测精度几乎相当。最后,基于简化后的4个主要因素成功的预测出了未知煤样的热解失重特性曲线(精度为每隔1 ℃),且整条失重曲线(200~1100 ℃)的绝对误差不超过2.25%。同样的方式,基于4个主要因素也成功的预测出了未知煤样的加氢热解失重特性曲线。(3)气化环境下的煤灰流动温度(FT)与其灰成分之间的数据规律挖掘本节以321组不同类型的煤灰组成以及FT数据样本作为研究基础。首先,采用HA-BP-3δ模型剔除了27组原始训练数据样本。清洗后的样本(原始数据使用率达到92%),经HA-BP计算的总数据集的平均绝对误差为25 ℃。在此基础上,借助HA-BP-MIV算法分析了各个化学组成对FT的影响。分析结果显示,SiO_2、Al_2O_3、TiO_2与FT之间表现出正相关性;CaO、Fe_2O_3、MgO、K_2O+Na_2O与FT之间表现出负相关性。此外,7个因素对FT的影响大小为:Al_2O_3SiO_2CaOFe_2O_3K_2O+Na_2OTiO_2MgO,进一步的,基于变量因素的分析结果选取了3类典型的煤灰样本,在模拟高温、气化的环境下进行了结渣机理分析,并总结了不同煤灰的结晶特征。基于此,本文将煤灰分为酸性灰、中性灰、碱性灰三个类型,其中酸性灰的FT绝大多数都高于1400 ℃。而后,借助HA-BP-MIV分别对中性灰、碱性灰进行了关键特征参量的分析,并发现探寻到的关键特征参量与FT之间存在着显著的线性相关性。最后,通过实际测试值对基于关键特征参量提出的关系式进行了验证,并取得了良好的效果。这为调控FT助剂类型的选择、添加量的确定以及不同煤种的配煤和配煤比例提供了更为直接、有效的指导。本节提出的单因素、易调控的FT计算模型如下:1:酸性灰,A/B≧6.72,FT1400℃;2:中性灰,0.96≦A/B6.72,FT=136x_1+1143.9;3:碱性灰,A/B0.96,FT=116.81x_2+1122.3.经本文的研究发现,煤质基础数据与其发热量、热解特性、FT之间确实存在着紧密的内在联系,通过数据挖掘的思想和方法,不仅实现了对煤热转化数据的异常数据诊断以及高效预测,而且实现了基础数据样本的有效增值,更为煤热转化过程中的数理分析、影响因素分析甚至后续的研究主攻方向等提供了新的研究方法和思路。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 张文勤;石金涛;;基于因素分析与BP神经网络的电信企业管理胜任力测评研究[J];数理统计与管理;2009年01期
2 王磊;王汝凉;;基于改进的BP神经网络方法的数据挖掘[J];广西师范学院学报(自然科学版);2016年01期
3 韩意;姚大鹏;;基于BP神经网络的企业绿色竞争力评价研究[J];价值工程;2014年34期
4 魏娜;;模板匹配和BP神经网络在船舶识别中的应用[J];舰船科学技术;2016年20期
5 王娜;;基于BP神经网络地图符号的识别[J];数字技术与应用;2014年11期
6 班淑珍;席明智;韩俊峰;;基于BP神经网络的汽车散热器性能研究[J];内燃机;2009年01期
7 周全;;基于BP神经网络的防火墙系统综合性能评估方法研究[J];电脑知识与技术(学术交流);2007年11期
8 文伟军;梁宇;;基于BP神经网络的防火墙系统综合性能评估方法研究[J];计算技术与自动化;2005年04期
9 张怡君;左颖婷;刘近春;姜丽君;李金;张岩波;郭东星;;GA-BP与BP神经网络在医学研究中的应用与比较[J];中国卫生统计;2018年02期
10 吴陈;王和杰;;基于改进的自适应遗传算法优化BP神经网络[J];电子设计工程;2016年24期
11 易志建;;基于BP神经网络的织物风格评价研究[J];山东纺织科技;2017年03期
12 李星星;;基于BP神经网络的象征价值指标体系的构建[J];黑龙江工业学院学报(综合版);2017年10期
13 陆文珺;柳炳祥;;一种基于BP神经网络的人口总数预测方法[J];中国管理信息化;2016年20期
14 王应东;龙祖根;文排科;;基于BP神经网络的煤矿瓦斯涌出因素分析[J];内蒙古煤炭经济;2015年02期
15 王永;王强;;基于BP神经网络的应用层协议识别研究[J];信息与电脑(理论版);2015年17期
16 王艳萍;周杨;闫超;;基于改进BP神经网络的刮板输送机负载预测方法研究[J];矿山机械;2015年10期
17 王蕴杰;;基于BP神经网络的弗兰克-赫兹实验曲线拟合[J];大学物理实验;2013年06期
18 张扬;李四平;赵社戌;;BP神经网络在方钢管混凝土轴心受压试验数据拟合中的应用[J];南阳理工学院学报;2012年02期
19 王寿健;金龙;徐志科;;基于BP神经网络控制算法的超声波电动机控制[J];微特电机;2011年02期
中国重要会议论文全文数据库 前20条
1 马强;陈楠;;利用遗传算法优化BP神经网络初步研究[A];第十届沈阳科学学术年会论文集(信息科学与工程技术分册)[C];2013年
2 方志和;;基于BP神经网络的切削用量智能化选择[A];第十三届全国机构学学术研讨会论文集[C];2002年
3 李琳;陶建峰;黄亦翔;刘成良;;基于BP神经网络的液压缸内泄漏诊断[A];第九届全国流体传动与控制学术会议(9th FPTC-2016)论文集[C];2016年
4 余万华;翁玮;韩静涛;张永军;刘靖;;基于BP神经网络的板材热轧轧制压力和变形抗力预报模型[A];第四届中国金属学会青年学术年会论文集[C];2008年
5 耿民;陶剑青;;BP神经网络反演地下洞室状态分析[A];第一届中国水利水电岩土力学与工程学术讨论会论文集(下册)[C];2006年
6 刘明晓;龙绪明;罗爱玲;贺海浪;曹宏耀;董健腾;;基于BP神经网络的贴片机运动精度控制[A];2014中国高端SMT学术会议论文集[C];2014年
7 罗小波;刘明皓;;基于优化的BP神经网络遥感影像分类[A];2006年中国土地学会学术年会论文集[C];2006年
8 邹波;魏元;关菊;;BP神经网络在热轧带钢力学性能预报中的应用[A];2007中国钢铁年会论文集[C];2007年
9 储琳琳;郭纯生;李艳琴;;基于BP神经网络的模拟电路故障诊断[A];2008年中国高校通信类院系学术研讨会论文集(下册)[C];2009年
10 李华;房晖;刘继梅;;BP神经网络在莱钢卷取温度控制中的应用[A];2007中国钢铁年会论文集[C];2007年
11 夏远强;杨健;;备件需求预测中的BP神经网络方法研究[A];中国企业运筹学[2012(1)][C];2012年
12 刘志飞;;基于BP神经网络的助学信贷评估模型[A];信息经济学与电子商务:第十三届中国信息经济学会学术年会论文集[C];2008年
13 蔡子颖;韩素芹;姚青;张敏;;基于BP神经网络天津地区霾天气能见度预报研究[A];2016中国环境科学学会学术年会论文集(第三卷)[C];2016年
14 蔡子颖;韩素芹;姚青;张敏;;基于BP神经网络天津地区霾天气能见度预报研究[A];2016中国环境科学学会学术年会论文集(第一卷)[C];2016年
15 夏远强;杨健;;备件需求预测中的BP神经网络方法研究[A];第十一届全国经济管理院校工业技术学研究会论文集[C];2012年
16 朱彬;;基于BP神经网络福建省区域创新能力差异实证研究[A];中国《资本论》研究会第13次学术研讨会福建师范大学代表论文集[C];2006年
17 徐永春;张森文;区颖刚;;基于遗传算法的bp神经网络在甘蔗预测中的运用[A];2007年中国农业工程学会学术年会论文摘要集[C];2007年
18 骆晓龙;梁团豪;你志军;张继权;乌兰;;基于案例库以及BP神经网络技术的草原火灾预警系统研究(英文)[A];风险分析和危机反应中的信息技术--中国灾害防御协会风险分析专业委员会第六届年会论文集[C];2014年
19 吴炎;杜栋;;改进BP神经网络及其对江苏省粮食产量的仿真预测[A];决策科学与评价——中国系统工程学会决策科学专业委员会第八届学术年会论文集[C];2009年
20 熊海晶;王式成;王栋;;BP神经网络在年降水预报中的应用研究[A];促进科技经济结合,服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年
中国博士学位论文全文数据库 前20条
1 谢良才;基于BP神经网络的数据挖掘技术探究及其在煤热转化数据规律分析中的应用[D];西北大学;2021年
2 吕军城;山东省农村居民自杀未遂预警BP神经网络及指标体系构建[D];山东大学;2015年
3 邵红梅;带惩罚项的BP神经网络训练算法的收敛性[D];大连理工大学;2006年
4 王吉权;BP神经网络的理论及其在农业机械化中的应用研究[D];沈阳农业大学;2011年
5 李英伟;基于增量改进BP神经网络微波深度干燥模型及应用研究[D];昆明理工大学;2011年
6 周斌;基于BP神经网络的内燃机排放性能建模与应用研究[D];西南交通大学;2004年
7 卢志宏;基于BP神经网络的荒漠啮齿动物群落对气候变化滞后响应[D];内蒙古农业大学;2016年
8 何毅;基于BP神经网络电容法刨花含水率测试仪的研究与开发[D];南京林业大学;2006年
9 赵景润;气象因素对上消化道出血的影响及BP神经网络模型的建立[D];山东大学;2014年
10 郑殿春;基于BP网络的局部放电模式识别[D];哈尔滨理工大学;2005年
11 王菂;脑卒中患者体内BP抗体水平与大疱性类天疱疱患者认知功能研究[D];北京协和医学院;2015年
12 张振球;神农架5ka BP石笋记录的年际分辨率亚洲季风自然变率及极端事件诊断[D];南京师范大学;2017年
13 刘浴辉;东亚季风区8.2ka BP气候突变记录及其精细解剖[D];中国地质大学;2012年
14 高鹏毅;BP神经网络分类器优化技术研究[D];华中科技大学;2012年
15 牟洪波;基于BP和RBF神经网络的木材缺陷检测研究[D];东北林业大学;2010年
16 孙晓琳;基于Kalman滤波和BP神经网络的财务危机动态预警模型研究[D];哈尔滨工业大学;2010年
17 林娟;基于BP神经网络下的矿业上市公司融资风险预警研究[D];中国地质大学(北京);2013年
18 朱新萍;22.70ka BP以来罗布泊“大耳朵”区域湖泊沉积特征及其环境指示意义[D];新疆农业大学;2015年
19 孙贵香;冠心病中医证候数据库系统的构建及其BP神经网络模型的研究[D];湖南中医药大学;2008年
20 杨艳子;基于BP网络和稳健性分析的机械扩径工艺参数优化[D];燕山大学;2010年
中国硕士学位论文全文数据库 前20条
1 朱轶文;基于BP神经网络的呼叫中心呼叫放弃率预测模型研究[D];河海大学;2006年
2 杜承勇;基于BP神经网络的卷烟销售违规预测研究[D];合肥工业大学;2013年
3 钟静;BP神经网络在基于数值模拟科学数据挖掘中的应用研究[D];电子科技大学;2006年
4 赵冰;基于BP神经网络的港口竞争力评价研究[D];大连海事大学;2008年
5 熊威;基于BP神经网络的N市燃气管道风险管理[D];南昌大学;2020年
6 吴斯;基于BP神经网络的企业价值评估中折现率的设计及其应用研究[D];重庆理工大学;2015年
7 张可;基于BP神经网络的僵尸网络检测技术研究[D];电子科技大学;2014年
8 景兆荣;基于BP神经网络的商业银行信贷风险评价研究[D];山西财经大学;2015年
9 李文娟;改进BP神经网络在水质评价中的应用研究[D];重庆理工大学;2011年
10 李旭强;基于BP神经网络的复合土钉墙变形预测研究[D];中冶集团建筑研究总院;2007年
11 刘薇薇;基于BP神经网络的梨树腐烂病综合防控专家系统研制[D];安徽农业大学;2016年
12 梁露露;基于BP神经网络的煤炭价格影响因素及预测研究[D];西安科技大学;2015年
13 张妍;基于BP神经网络的房地产税基评估研究[D];河北大学;2016年
14 孟红;基于BP神经网络的再生混凝土强度预测[D];青岛理工大学;2012年
15 高红;基于BP神经网络的图像压缩研究[D];辽宁工程技术大学;2008年
16 魏海波;基于BP神经网络的船舶柴油机氮氧化物排放预测[D];大连海事大学;2006年
17 李天龙(Syxanonh Phoutthasith );基于BP神经网络的P公司胜任力模型的建立及应用[D];昆明理工大学;2021年
18 乔涵;基于BP神经网络的政府购买高等教育服务定价研究[D];天津大学;2018年
19 陈轶;基于BP神经网络的模拟电路故障诊断[D];苏州大学;2014年
20 李继萍;基于BP神经网络的载体桩质量预测研究[D];河北工程大学;2010年
中国重要报纸全文数据库 前20条
1 本报记者 严凯;联手BP 中海油斩获200亿美元大单[N];经济观察报;2014年
2 唐绍红;BP绘制2035年全球能源版图[N];中国化工报;2014年
3 本报记者 庄臣;从bp看能源公司品牌的“走强”路径[N];中国石油报;2020年
4 记者 常正乐;侯启军会见BP集团客人[N];中国石油报;2019年
5 实习记者 于紫月;步BP机后尘,手机于5年后谢幕?[N];科技日报;2019年
6 李文;BP计划向亚洲出售更多美国原油[N];中国石化报;2019年
7 本报记者 郭锦辉;BP加码新能源汽车充电服务[N];中国经济时报;2018年
8 王林;BP、康菲石油酝酿资产置换[N];中国能源报;2018年
9 王林;BP与康菲石油拟“无现金”置换资产[N];中国石化报;2018年
10 石梁;BP三季度利润创新高[N];中国石化报;2018年
11 本报记者 张奇 侯潇怡;隔夜shibor涨11个BP 2017市场利率中枢大概率上行[N];21世纪经济报道;2017年
12 记者 李高超;BP在墨西哥湾一项目提前投产[N];国际商报;2017年
13 本报记者 王林;BP墨西哥首座加油站即将开设[N];中国能源报;2017年
14 特约记者 段雅睿 罗玮楠;中国石油—BP集团合作指导委员会第二次会议召开[N];中国石油报;2017年
15 本报记者 王林;英力士收购BP北海战略管道FPS[N];中国能源报;2017年
16 王林;BP计划将美国中游资产IPO[N];中国能源报;2017年
17 本报记者 王姣;河南债利率高于投标下限13-71BP[N];中国证券报;2017年
18 赵晏彪;BP科学家获国际科学技术合作奖[N];中国化工报;2007年
19 本报记者 王林;BP重返伊拉克北部石油重镇[N];中国能源报;2018年
20 山东科技大学 生一恒 李京儒 孔令达 西南交通大学 张天伟 南昌大学 孙境蔚;基于BP神经网络的城市建设土地分析模型[N];科学导报;2019年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978