基于支持向量機的煤質快速分析制造技術

本發明專利技術涉及一種基于支持向量機的煤質分析方法，其包括如下步驟：a、利用煤炭的標準樣本作為訓練數據，建立基于支持向量機的煤質預測模型；b、獲取待測煤炭的全水數據、空氣干燥基水分數據、收到基灰分數據以及空氣干燥基灰分數據，并帶入上述的煤質預測模型中，以得到待測煤炭的預測干燥基灰分、預測收到基揮發分、預測空氣干燥基揮發分、預測干燥基揮發分、預測收到基低位發熱量、預測空氣干燥基高位發熱量、預測干燥基高位發熱量；c、利用上述數據行所需的煤質分析。本發明專利技術操作方便，能快速獲得煤質分析所需的數據，提高煤質分析的效率，煤質分析精度高，適應范圍廣，安全可靠。

【技術實現步驟摘要】

本專利技術涉及一種方法，尤其是一種基于支持向量機的煤質快速分析方法，屬于煤質分析的

技術介紹
我國是世界上用煤最早的國家。煤是由沉埋在湖泊、沼澤地帶的水下和泥沙中的植物，經過長時間的地質年代和地殼運動，通過漫長復雜的生物化學、物理化學和地球化學作用轉變成的固體可燃礦產。煤炭是我國主要的能源資源，而且也是冶金、化工工業的重要原料，對于我國的經濟發展有著舉足輕重的地位。2013年底我國發電裝機容量首次超過美國位居世界第一、達到12.5億千瓦，全年發電量5.35萬億千瓦時，其中煤電裝機7.9億千瓦，占比63.0%，發電量占比73.8%。因此如何使煤炭的利用效率得到提高對發展我國的經濟意義重大。煤的工業分析包括水分、灰分、揮發分和固定碳。這四個指標可以初步反映煤中無機質的數量、有機質的數量與性質。由此，評價煤時，一般總是先進行煤的工業分析，以大致了解煤的性質，作為進一步研究的基礎。煤中水的來源是多方面的，首先是伴隨著植物遺體的整個成煤過程留在煤中的水；其次是煤層形成后進入煤層的裂隙、孔隙中的地下水；三是在煤的開采；洗選、貯存、運輸過程中使用和接觸的水。煤的灰分是指煤在完全燃燒時，其中的礦物質經過一系列反應后所剩的殘渣。在當前煤炭的市場貿易中，仍是按灰分分級，以質論價。不同產地的煤的品質差異很大，即便是相同產地，由于地質構造不同，煤質也會有巨大的差異。煤的揮發分產率是煤質分析中一個重要的指標，與煤炭的煤化程度有著十分密切的關系，在我國和世界上其他許多的國家都將其作為煤炭的第一分類指標，用來代表煤炭的煤化程度。煤的揮發分產率與煤的熱動力學參數以及特征溫度也有一定了關系。將單位質量的煤完全燃燒所產生的熱量就是煤的發熱量。發熱量是表征供熱用煤質量的重要指標之一。火力發電廠的主要經濟指標-煤耗，必須根據發熱量來計算。發熱量是計算鍋爐熱平衡、熱效率和煤耗量以及鍋爐出力等參數的基礎技術依據。煤質是煤炭分析的主要經濟指標，而且煤質與發熱量關系密切。用煤單位要避免供煤單位以次充好，從而給單位造成經濟損失；并且，一些用煤單位還需要將不同煤質的煤進行混燒，以提高燃煤的利用效率。國家煤炭質量監督檢驗中心為煤質檢測制定了大量國家標準。傳統的煤質檢測方法需要取樣，篩選樣品，然后利用化學方法對煤樣進行化驗。這種方法工序繁瑣，需要浪費大量人力物力，并且所需的時間較長。而隨著生產技術和工藝的快速發展，煤質檢測迫切的需要一種更迅速更簡便的方法。
技術實現思路
本專利技術的目的是克服現有技術中存在的不足，提供一種支持向量機的煤質分析方法，其操作方便，能快速獲得煤質分析所需的數據，提高煤質分析的效率，煤質分析精度高，適應范圍廣，安全可靠。按照本專利技術提供的技術方案，一種基于支持向量機的煤質分析方法，所述煤質分析方法包括如下步驟：a、利用煤炭的標準樣本作為訓練數據，建立基于支持向量機的煤質預測模型，煤炭的標準樣本包括煤炭的全水、空氣干燥基水分、收到基灰分、空氣干燥基灰分、干燥基灰分、收到基揮發分、空氣干燥基揮發分、干燥基揮發分、收到基低位發熱量、空氣干燥基高位發熱量以及干燥基高位發熱量，其中，煤炭的全水、空氣干燥基水分、收到基灰分以及空氣干燥基灰分作為支持向量機的煤質預測模型輸入，干燥基灰分、收到基揮發分、空氣干燥基揮發分、干燥基揮發分、收到基低位發熱量、空氣干燥基高位發熱量、干燥基高位發熱量為煤質預測模型的輸出；b、獲取待測煤炭的全水數據、空氣干燥基水分數據、收到基灰分數據以及空氣干燥基灰分數據，并將所述獲得的全水數據、空氣干燥基水分數據、收到基灰分數據以及空氣干燥基灰分數據帶入上述的煤質預測模型中，以得到待測煤炭的預測干燥基灰分、預測收到基揮發分、預測空氣干燥基揮發分、預測干燥基揮發分、預測收到基低位發熱量、預測空氣干燥基高位發熱量、預測干燥基高位發熱量；c、利用上述煤炭的全水數據、空氣干燥基水分數據、收到基灰分數據、空氣干燥基灰分數據、預測干燥基灰分、預測收到基揮發分、預測空氣干燥基揮發分、預測干燥基揮發分、預測收到基低位發熱量、預測空氣干燥基高位發熱量以及預測干燥基高位發熱量進行所需的煤質分析。在基于支持向量機的煤質預測模型中，采用RBF核函數，煤質預測模型包括干燥基灰分預測模型、收到基揮發分預測模型、空氣干燥基揮發分預測模型、干燥基揮發分預測模型、收到基低位發熱量預測模型、空氣干燥基高位發熱量預測模型以及干燥基高位發熱量預測模型。所述干燥基灰分預測模型為其中，表示預測干燥基灰分，為干燥基灰分預測的拉格日乘子，為6×1維的矩陣，為干燥基灰分預測拉格朗日乘子中對應的列元素，為干燥基灰分預測的支持向量，為6×4維的矩陣，為干燥基灰分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；所述收到基揮發分預測模型為其中，表示預測收到基揮發分，為收到基揮發分預測的拉格日乘子，為37×1維的矩陣，為收到基揮發分預測拉格朗日乘子中對應的列元素，為收到基揮發分預測的支持向量，為37×4維的矩陣，為收到基揮發分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；空氣干燥基揮發分預測模型為其中，表示預測空氣干燥基揮發分，為空氣干燥基揮發分預測的拉格日乘子，為45×1維的矩陣，為空氣干燥基揮發分預測拉格朗日乘子中對應的列元素，為空氣干燥基揮發分預測的支持向量，為45×4維的矩陣，為空氣干燥基揮發分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量。所述干燥基揮發分預測模型為其中，表示預測干燥基揮發分，為干燥基揮發分預測的拉格日乘子，為49×1維的矩陣，為干燥基揮發分預測拉格朗日乘子中對應的列元素，為干燥基揮發分預測的支持向量，為49×4維的矩陣，為干燥基揮發分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；所述收到基低位發熱量預測模型為其中，表示預測收到基低位發熱量，為收到基低位發熱量預測的拉格日乘子，為100×1維的矩陣，為收到基低位發熱量預測拉格朗日乘子中對應的列元素，為收到基低位發熱量預測的支持向量，為100×4維的矩陣，為收到基低位發熱量預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；空氣干燥基高位發熱量預測模型為其中，表示預測空氣干燥基高位發熱量，為空氣干燥基高位發熱量預測的拉格日乘子，為100×1維的矩陣，為空氣干燥基高位發熱量預測拉格朗日乘子中對應的列元素，為空氣干燥基高位發熱量預測的支持向量，為100×4維的矩陣，為空氣干燥基高位發熱量預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；干燥基高位發熱量預測模型為其中，表示預測干燥基高位發熱量，為干燥基高位發熱量預測的拉格日乘子，為100×1維的矩陣，為干燥基高位發熱量預測拉格朗日乘子中對應的列元素，為干燥基高位發熱量預測的支持向量，為100×4維的矩陣，為干燥基高位發熱量預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量。在基于支持向量機的煤質預測模型中，采用RBF核函數且采用本文檔來自技高網...

【技術保護點】
一種基于支持向量機的煤質分析方法，其特征是，所述煤質分析方法包括如下步驟：（a）、利用煤炭的標準樣本作為訓練數據，建立基于支持向量機的煤質預測模型，煤炭的標準樣本包括煤炭的全水、空氣干燥基水分、收到基灰分、空氣干燥基灰分、干燥基灰分、收到基揮發分、空氣干燥基揮發分、干燥基揮發分、收到基低位發熱量、空氣干燥基高位發熱量以及干燥基高位發熱量，其中，煤炭的全水、空氣干燥基水分、收到基灰分以及空氣干燥基灰分作為支持向量機的煤質預測模型輸入，干燥基灰分、收到基揮發分、空氣干燥基揮發分、干燥基揮發分、收到基低位發熱量、空氣干燥基高位發熱量、干燥基高位發熱量為煤質預測模型的輸出；（b）、獲取待測煤炭的全水數據、空氣干燥基水分數據、收到基灰分數據以及空氣干燥基灰分數據，并將所述獲得的全水數據、空氣干燥基水分數據、收到基灰分數據以及空氣干燥基灰分數據帶入上述的煤質預測模型中，以得到待測煤炭的預測干燥基灰分、預測收到基揮發分、預測空氣干燥基揮發分、預測干燥基揮發分、預測收到基低位發熱量、預測空氣干燥基高位發熱量、預測干燥基高位發熱量；（c）、利用上述煤炭的全水數據、空氣干燥基水分數據、收到基灰分數據、空氣干燥基灰分數據、預測干燥基灰分、預測收到基揮發分、預測空氣干燥基揮發分、預測干燥基揮發分、預測收到基低位發熱量、預測空氣干燥基高位發熱量以及預測干燥基高位發熱量進行所需的煤質分析。...

【技術特征摘要】
1.一種基于支持向量機的煤質分析方法，其特征是，所述煤質分析方法包括如下步驟：（a）、利用煤炭的標準樣本作為訓練數據，建立基于支持向量機的煤質預測模型，煤炭的標準樣本包括煤炭的全水、空氣干燥基水分、收到基灰分、空氣干燥基灰分、干燥基灰分、收到基揮發分、空氣干燥基揮發分、干燥基揮發分、收到基低位發熱量、空氣干燥基高位發熱量以及干燥基高位發熱量，其中，煤炭的全水、空氣干燥基水分、收到基灰分以及空氣干燥基灰分作為支持向量機的煤質預測模型輸入，干燥基灰分、收到基揮發分、空氣干燥基揮發分、干燥基揮發分、收到基低位發熱量、空氣干燥基高位發熱量、干燥基高位發熱量為煤質預測模型的輸出；（b）、獲取待測煤炭的全水數據、空氣干燥基水分數據、收到基灰分數據以及空氣干燥基灰分數據，并將所述獲得的全水數據、空氣干燥基水分數據、收到基灰分數據以及空氣干燥基灰分數據帶入上述的煤質預測模型中，以得到待測煤炭的預測干燥基灰分、預測收到基揮發分、預測空氣干燥基揮發分、預測干燥基揮發分、預測收到基低位發熱量、預測空氣干燥基高位發熱量、預測干燥基高位發熱量；（c）、利用上述煤炭的全水數據、空氣干燥基水分數據、收到基灰分數據、空氣干燥基灰分數據、預測干燥基灰分、預測收到基揮發分、預測空氣干燥基揮發分、預測干燥基揮發分、預測收到基低位發熱量、預測空氣干燥基高位發熱量以及預測干燥基高位發熱量進行所需的煤質分析。2.根據權利要求1所述的基于支持向量機的煤質分析方法，其特征是：在基于支持向量機的煤質預測模型中，采用RBF核函數，煤質預測模型包括干燥基灰分預測模型、收到基揮發分預測模型、空氣干燥基揮發分預測模型、干燥基揮發分預測模型、收到基低位發熱量預測模型、空氣干燥基高位發熱量預測模型以及干燥基高位發熱量預測模型。3.根據權利要求2所述的基于支持向量機的煤質分析方法，其特征是：所述干燥基灰分預測模型為 其中，表示預測干燥基灰分，為干燥基灰分預測的拉格日乘子，為6×1維的矩陣，為干燥基灰分預測拉格朗日乘子中對應的列元素，為干燥基灰分預測的支持向量，為6×4維的矩陣，為干燥基灰分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；所述收到基揮發分預測模型為其中，表示預測收到基揮發分，為收到基揮發分預測的拉格日乘子，為37×1維的矩陣，為收到基揮發分預測拉格朗日乘子中對應的列元素，為收到基揮發分預測的支持向量，為37×4維的矩陣，為收到基揮發分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；空氣干燥基揮發分預測模型為其中，表示預測空氣干燥基揮發分，為空氣干燥基揮發分預測的拉格日乘子，為45×1維的矩陣，為空氣干燥基揮發分預測拉格朗日乘子中對應的列元素，為空氣干燥基揮發分預測的支持向量，為45×4維的矩陣，為空氣干燥基揮發分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量。4.根據權利要求2所述的基于支持向量機的煤質分析方法，其特征是：所述干燥基揮發分預測模型為其中，表示預測干燥基揮發分，為干燥基揮發分預測的拉格日乘子，為49×1維的矩陣，為干燥基揮發分預測拉格朗日乘子中對應的列元素，為干燥基揮發分預測的支持向量，為49×4維的矩陣，為干燥基揮發分預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；所述收到基低位發熱量預測模型為其中，表示預測收到基低位發熱量，為收到基低位發熱量預測的拉格日乘子，為100×1維的矩陣，為收到基低位發熱量預測拉格朗日乘子中對應的列元素，為收到基低位發熱量預測的支持向量，為100×4維的矩陣，為收到基低位發熱量預測支持向量內對應的行，是由全水數據、空氣干燥基水分、收到基灰分以及空氣干燥基灰分組成的行向量；空氣干燥基高位發熱量預測模型為其中，表示預測空氣干燥基高位發熱量，為空...

【專利技術屬性】
技術研發人員：雷萌，李明，石瑩，陳凡，李翠，
申請(專利權)人：中國礦業大學，
類型：發明
國別省市：江蘇;32