■李子文 ■六盤水師范學(xué)院化學(xué)與化學(xué)工程系，貴州 六盤水 553004

在中國，煤炭支撐著國民經(jīng)濟(jì)發(fā)展，其仍然占據(jù)一次能源主導(dǎo)地位，份額高達(dá)67.5%。2013年煤炭消費(fèi)為19.25億噸油當(dāng)量，占世界煤炭消費(fèi)量的50.3%［1］。因此隨著煤炭的不斷消耗，煤炭資源越來越少。因此對(duì)于現(xiàn)有的煤炭資源要充分利用好。煤炭燃燒時(shí)，煤炭的發(fā)熱量的高低，決定在利用時(shí)是否能滿足要求，發(fā)熱量高會(huì)形成浪費(fèi)，發(fā)熱量低又達(dá)不到要求。提前準(zhǔn)確的預(yù)測煤炭的發(fā)熱量尤為重要。

1 發(fā)熱量

1.1 預(yù)測發(fā)熱量的必要性

煤的發(fā)熱量也稱煤的熱值，是指單位質(zhì)量的煤完全燃燒后釋放出的熱量。煤的發(fā)熱量不僅是評(píng)價(jià)動(dòng)力用煤及動(dòng)力配煤質(zhì)量的一個(gè)重要指標(biāo)，而且是評(píng)價(jià)動(dòng)力用煤的一項(xiàng)重要經(jīng)濟(jì)參數(shù)，以發(fā)熱量計(jì)價(jià)能較準(zhǔn)確地反映煤炭的使用價(jià)值。但是，對(duì)測定發(fā)熱量的環(huán)境條件和操作人員的專業(yè)水平要求較高，測試儀器的維護(hù)難度較大，且測定發(fā)熱量需要的時(shí)間較長，測定結(jié)果滯后，因此，對(duì)煤的發(fā)熱量進(jìn)行準(zhǔn)確預(yù)測對(duì)于煤炭企業(yè)來說有重要的使用意義［2］。

1.2 影響發(fā)熱量的因素

煤中的水分在燃燒時(shí)吸收發(fā)熱量而蒸發(fā)，帶走部分熱量;煤燃燒時(shí)，煤中有的礦物質(zhì)會(huì)吸熱分解，因此這些礦物質(zhì)含量越高，其熱解所吸收的熱量也越多，通常每增加1%的灰分，發(fā)熱量降低300－380J/g［3］;揮發(fā)分對(duì)發(fā)熱量的影響隨煤種的不同而不同［4］;不同成煤環(huán)境形成的煤，具有相同變質(zhì)程度，其發(fā)熱量也會(huì)有所差異［5］。

2 支持向量機(jī)預(yù)測煤炭發(fā)熱量

2.1 支持向量機(jī)

支持向量機(jī)(Support Vector Machine，SVM)是 Corinna Cortes和Vapnik等于1995年首先提出的，它在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問題中。由于支持向量機(jī)具有以上優(yōu)勢，顧采用其構(gòu)建發(fā)熱量預(yù)測模型［6］。

2.2 支持向量機(jī)構(gòu)建發(fā)熱量預(yù)測模型

模型構(gòu)建的原始數(shù)據(jù)來源于曹建波等的《神經(jīng)網(wǎng)絡(luò)應(yīng)用于煤質(zhì)發(fā)熱量預(yù)測分析》［7］中的數(shù)據(jù)，其中32組數(shù)據(jù)作為訓(xùn)練樣本，7組數(shù)據(jù)作為檢驗(yàn)樣本;因此模型的輸入因素由影響因素決定，顧可分別為全水分(Mt)、空氣干燥基水分(Mad)、收到基灰分(Aar)、收到基硫分(Sar)、空氣干燥基氫含量(Had)、收到基揮發(fā)分(Var)和空氣干燥基碳含量(Car)7個(gè)因素;煤的恒容高位發(fā)熱量就作為模型輸出目標(biāo)。

根據(jù)不同的輸入因素、相同的輸出因素，應(yīng)用支持向量機(jī)構(gòu)建不同的發(fā)熱量預(yù)測模型。其中模型1的輸入因素是上述的7個(gè)因素，該模型預(yù)測結(jié)果的誤差分析見圖1和表1所示。

表1 模型(1－7)檢測樣本預(yù)測結(jié)果誤差分析表

模型1訓(xùn)練樣本的相對(duì)誤差最大為1.81%，能比較精確地樣本做出了預(yù)測;從表1可知，其檢測樣本的平均相對(duì)誤差為0.74%，最大相對(duì)誤差為1.76%。由此表明，預(yù)測誤差在允許范圍內(nèi)。

圖1是訓(xùn)練樣本和檢測樣本的實(shí)測值與預(yù)測值關(guān)系曲線，由圖可知預(yù)測值與實(shí)測值均比較接近y=x這條曲線兩側(cè)，表明實(shí)測值與預(yù)測值較接近。為進(jìn)一步確定上述7因素與發(fā)熱量的關(guān)系，在模型1基礎(chǔ)上，重新設(shè)計(jì)了6組模型的輸入因素。預(yù)測結(jié)果見表1，通過誤差比較，確定最佳輸入因素。

在模型1的基礎(chǔ)上確定模型(2－7)，模型2是輸入因素去掉水分后構(gòu)建的，模型(3－7)依次去掉除水分外的特征因素中的一個(gè)因素構(gòu)建的。由表1可知:模型(2、6)相對(duì)于模型1，其平均相對(duì)誤差和最大相對(duì)誤差均變大，表明預(yù)測效果變差，即水分和Var與發(fā)熱量有較好相關(guān)關(guān)系;而模型(4、5)平均相對(duì)誤差和最大相對(duì)誤差均變小，說明其預(yù)測效果變好，即Sar和Har與發(fā)熱量相關(guān)性差;模型(3、7)的平均相對(duì)誤差和最大相對(duì)誤差有細(xì)微變化，即預(yù)測效果有細(xì)微變化，需進(jìn)一步確定灰分和碳含量與發(fā)熱量的相關(guān)關(guān)系。

模型(8)輸入因素為Mt，Mad和Var，檢測樣本的預(yù)測結(jié)果誤差分析見表2。

表2 模型(8－11)檢測樣本預(yù)測結(jié)果誤差分析表

表2中，模型8的檢驗(yàn)樣本的平均相對(duì)誤差和最大相對(duì)誤差分別為2.60%和7.25%，與模型(3、7)對(duì)比可見，灰分和碳含量與發(fā)熱量有較好的相關(guān)性。

模型(9、10)分別以水分、灰分、揮發(fā)分及水分、碳含量、揮發(fā)分分別為輸入因素，預(yù)測結(jié)果見表2。其模型10的平均相對(duì)誤差和最大相對(duì)誤差分別為0.41%和0.94%，預(yù)測效果好;模型9的平均相對(duì)誤差和最大相對(duì)誤差分別為0.94%和2.00%，均大于模型10的，其預(yù)測效果沒模型10好。

模型11的輸入因素為M.、Var、Cad，用于考察內(nèi)水對(duì)發(fā)熱量的影響。其預(yù)測結(jié)果見表4，表中相對(duì)誤差增大，可見發(fā)熱量與內(nèi)水相關(guān)性較好。綜上得，發(fā)熱量預(yù)測模型的輸入因素可確定為Mt、Mad、Var和Cad，即最佳的模型即為模型10。

2.3 支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)對(duì)比

由上知，模型10是支持向量機(jī)構(gòu)建的最佳預(yù)測模型。其與神經(jīng)網(wǎng)絡(luò)構(gòu)建的模型對(duì)比，見表3和圖2所示。

表3 支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)對(duì)比分析表

由表3和圖2知，模型10的最大相對(duì)誤差為0.94%，平均相對(duì)誤差為0.41%，均小于神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的最大相對(duì)誤差值2.14%和平均相對(duì)誤差值1.09%。其t檢驗(yàn)值也小于神經(jīng)網(wǎng)絡(luò)預(yù)測的，也小于標(biāo)準(zhǔn)t臨界值2.447，由此表明，兩種預(yù)測方法均可行，模型10預(yù)測結(jié)果更為準(zhǔn)確。

3 結(jié)論

綜上可得:(1)支持向量機(jī)構(gòu)建發(fā)熱量預(yù)測模型是可行的;(2)該模型的輸入因素為Mt、Mad、Var、Cad;(3)支持向量機(jī)預(yù)測發(fā)熱量的預(yù)測效果好于神經(jīng)網(wǎng)絡(luò);(4)為其它煤質(zhì)指標(biāo)的預(yù)測提供了一種嘗試途徑。

［1］2014年世界能源統(tǒng)計(jì)年鑒.

［2］梅曉任.基于SPSS的煤質(zhì)發(fā)熱量相關(guān)因素分析及其回歸模型研究［J］.煤炭科技，2011.07，37(7):88 －91.

［3］周翠紅.線性回歸與神經(jīng)網(wǎng)絡(luò)預(yù)測煤炭發(fā)熱量［J］.煤炭科學(xué)技術(shù)，2009.12，37(12):117 －120.

［4］周洛.煤的干基高位發(fā)熱量與干基灰分、干基揮發(fā)分關(guān)系的研究［J］，檢驗(yàn)檢疫科學(xué)，2000，10(6):20 －22.

［5］陳洪博.煤的發(fā)熱量與水分、灰分的關(guān)系研究［J］.煤質(zhì)技術(shù)，2010.07，4∶26 －28.

［6］鄧乃揚(yáng).支持向量機(jī)—理論、算法與拓展［M］.北京:科學(xué)出版社.2009.

［7］曹建波.神經(jīng)網(wǎng)絡(luò)應(yīng)用于煤質(zhì)發(fā)熱量預(yù)測分析［J］.工業(yè)技術(shù)，2010，30∶97 －98.