0.84
26.68
26.814 4
0.134 4
0.503 7
32
9.48
26.68
2.23
0.90
28.56
28.697 8
0.137 8
0.482 5
33
21.18
24.52
2.66
1.08
25.18
25.482 5
0.302 5
1.201 4
34
19.35
23.92
3.98
1.25
25.13
25.256 1
0.126 1
0.501 8
35
12.14
28.65
5.40
0.83
26.70
26.941 8
0.241 8
0.905 6
36
14.69
26.85
4.34
0.73
26.45
26.598 0
0.148 0
0.559 5
37
9.82
29.79
3.33
0.61
28.45
28.436 3
-0.013 7
-0.048 2
38
36.00
17.88
3.08
0.88
20.63
20.699 7
0.069 7
0.337 9
注:QANN为神经网络预测值。
2 结论 神经网络对煤质各组分间的复杂关系有着良好的处理能力,理论和实践表明,人工神经网络方法能够应用于快速估算动力用煤的发热量和煤炭的在线检测等方面的工作,收集大量的具有代表性的煤炭样本,对人工神经网络应用于实践具有重大的意义。
参考文献 [1] 全国煤炭标准化技术委员会.煤炭标准及说明汇编[S].北京:中国标准出版社,1997 [2] 陈文敏.煤质分析结果的定性与定量审查[M].北京:煤炭工业出版社,1994 [3] 苏伟,林永平.人工神经网络及其在电厂化学油煤监督中的应用[J].广东电力,1998(6) [4] Webros P J. Beyond regression:New tools for prediction and analysis in the behavioral sciences[M]. Harvard Univ.,1974 [5] Rumelhart D E,McClelland J L. Parallel Distributed Processing,Vl&2[M]. Cambridge:MIT Press,1986
上一页 [1] [2]
|