閻少宏，吳宇航

（華北理工大學(xué)理學(xué)院 河北 唐山 063210）

1 引言

近年來，優(yōu)質(zhì)煤的大量投入顯著改善了焦炭質(zhì)量，但焦炭質(zhì)量預(yù)測仍停滯在經(jīng)驗和定性描述層面[1]。其實整個煉焦過程中包括了一系列的物化變化，也存在許多非線性因素。配煤煉焦過程及其相應(yīng)的主要性能指標如圖1所示[2]。而煤粒間是通過界面反應(yīng)與鍵合連接成焦，其內(nèi)部非線性的物理機制符合神經(jīng)網(wǎng)絡(luò)的特性。

2 交叉驗證思想

交叉驗證也稱為循環(huán)估計，是一種沒有任何前提假定直接進行估計泛化誤差的模型選擇方法，由于無假設(shè)且易于操作，交叉驗證應(yīng)用于各類模型選擇中，具有普遍適用性。一般來說，交叉驗證應(yīng)該盡可能滿足：訓(xùn)練集的比例足夠大，通常超過50%；訓(xùn)練集和測試集需要被均勻取樣。交叉驗證的目的是為了獲得可靠穩(wěn)定的模型。

3 級聯(lián)BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)收斂速度快但易落入局部最優(yōu)解。相比之下的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)由于結(jié)構(gòu)更為復(fù)雜，便具有了更強大的擬合能力與更穩(wěn)定的收斂特性，最重要的是能保證決策的準確性和對錯誤神經(jīng)元的包容性[3]。級聯(lián)BP網(wǎng)絡(luò)采用局部權(quán)值共享的方式，增加了網(wǎng)絡(luò)的自由參數(shù)，每層神經(jīng)元的接受域來源于前面各層的信號，在輸出層擁有足夠數(shù)量的自由參數(shù)來刻畫樣本集內(nèi)部的特征，其網(wǎng)絡(luò)拓撲結(jié)構(gòu)如圖2所示。

圖1 配煤煉焦過程圖

圖2 級聯(lián)BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)圖

4 基于交叉驗證的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)焦炭質(zhì)量預(yù)測模型

樣本集按照比例被劃分為訓(xùn)練集、驗證集和測試集，訓(xùn)練集通過模型性能來選擇最優(yōu)參數(shù)，驗證集周期性的測定訓(xùn)練誤差，為避免網(wǎng)絡(luò)對驗證集的過度學(xué)習(xí)，采用測試集評定模型的泛化性能[4]。具體步驟包括：

5 仿真結(jié)果及分析

運用MATLAB軟件進行仿真得到級聯(lián)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差曲線，隨后調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)得到交叉驗證后級聯(lián)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差曲線，如圖3和圖4所示。

圖3 級聯(lián)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線圖

圖4 交叉驗證的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線圖

圖5 基于交叉驗證的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)與級聯(lián)BP神經(jīng)網(wǎng)絡(luò)焦炭質(zhì)量參數(shù)預(yù)測誤差對比圖

從圖4可以看到，在迭代2374次時級聯(lián)BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練效果達到最優(yōu)值5×10-4；在迭代6809次時交叉驗證的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的效果達到最優(yōu)值0.012，網(wǎng)絡(luò)較精確的反映了輸入量與輸出量之間的映射關(guān)系，減小了訓(xùn)練值與實測值之間的誤差，達到了較好的訓(xùn)練結(jié)果。最后用剩余10組混合煤煤質(zhì)參數(shù)作為輸入量，預(yù)測對應(yīng)焦炭質(zhì)量的各項參數(shù)（以CSR和CRI為例），其預(yù)測誤差值對比結(jié)果如圖5所示。

由圖可得知基于交叉驗證的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)的精度要高于級聯(lián)BP神經(jīng)網(wǎng)絡(luò)，基于交叉驗證的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)預(yù)測誤差基本控制在5%以內(nèi)，絕大多部分的預(yù)測效果優(yōu)于級聯(lián)前向網(wǎng)絡(luò)，而普通的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)則在15%以內(nèi)。

6 結(jié)語

本文建立了基于交叉驗證的級聯(lián)BP神經(jīng)網(wǎng)絡(luò)模型，該模型得到的焦炭質(zhì)量預(yù)測結(jié)果明顯減小了預(yù)測誤差，在提高模型預(yù)測精度的同時也增強了模型的泛化能力，效果更好。