基于偏最小二乘回归的焦炭热性质非线性预测模型

针对基于煤质指标预测焦炭热性质建模过程中易出现的多重共线性问题,提出应用偏最小二乘回归对焦炭热性质进行预测的建模思路.考虑到煤质指标与焦炭热性质之间复杂的非线性关系,采用拟线性化处理的方法,将煤质指标的一次效应、二次效应及交互效应作为模型输入,建立焦炭热性质预测的偏最小二乘回归模型;基于拟线性化处理的非线性偏最小二乘回归和线性偏最小二乘回归对焦炭热性质预测实例进行分析.研究结果表明:基于偏最小二乘回归方法建立的焦炭热性质预测模型是有效可行的:非线性偏最小二乘回归模型的预测精度明显比线性偏最小二乘回归模犁的预测精度高.     

基于梯度提升决策树的焦炭质量预测模型研究

焦炭是高炉炼铁的重要原料,其质量是影响铁水质量和高炉顺行的重要因素,针对焦炭质量存在检验难、滞后性、预测误差大等问题,提出一种基于梯度提升决策树算法的焦炭预测模型;结合专家经验与相关性分析方法,深入研究配合煤质量对焦炭质量的影响;最后利用配合煤质量指标对焦炭质量指标灰分、硫分、耐磨强度、抗碎强度进行建模预测;根据某焦化厂历史生产数据对模型进行评估,实验结果表明:基于梯度提升决策树的焦炭质量预测模型相较于线性回归模型、随机森林模型,决策树模型误差小、准确率高,可以为焦化厂配煤炼焦提供一定的理论依据。     

均匀设计在配合煤胶质层指数预测上的应用

针对九种单种煤及十八种配合煤的胶质层指数(Y)进行了研究,采用均匀设计方法考察了配合煤的胶质层指数与单种煤的胶质层指数之间的联系,建立了由单种煤胶质层指数预测配合煤的胶质层指数的数学模型,将配合煤的实测值与均匀设计预测值、常规配煤法预测值进行比较。结果表明,由均匀设计实验方法建立的数学模型预测配合煤的胶质层指数具有较好的可靠性,进而预测焦炭的质量。该方法可以有效的指导焦化企业配煤炼焦生产。     

捣固胶质层指数在焦炭质量预测中的应用

通过对烟煤胶质层指数测定方法进行改进,在捣固密度为1.10t/m3下测定配合煤捣固胶质层指数(Yd,Xd),以配合煤的干燥无灰基挥发分(Vdaf)、黏结指数(G)和捣固胶质层最大厚度(Yd)为自变量,分别以焦炭的冷态强度(M10,M25)和热态性能(CRI,CSR)为因变量,利用多元线性回归分析方法,建立捣固密度下的Vdaf-G-Yd焦炭质量预测模型,并对其进行F检验和误差分析。结果表明,捣固胶质层指数(Yd,Xd)能更准确地反映配合煤在捣固炼焦过程中的黏结性能与结焦性能;与传统的Vdaf-G-Y焦炭质量预测模型相比,Vdaf-GYd焦炭质量预测模型具有更好的预测精准度,除M10的相对误差略有增加外,CRI、CSR、M25的相对误差均有所减小,其减小幅度分别为5.7%、12.8%和10.1%。     

焦炭质量预测模型

随着高炉大型化、富氧喷吹技术的发展,焦炭在高炉中的骨架作用愈加重要,钢铁企业迫切要求提高焦炭质量,为此需建立一组准确的焦炭质量预测模型,以更好地指导炼焦生产.在分析总结了国内外焦炭质量预测模型的基础上,对小焦炉实验数据进行了分析与回归,通过线性加修正的方法建立炼焦配煤数学模型,得到了焦炭灰分、硫分、机械强度(M40,M10)和热性质(CRI,CSR)的预测模型.通过实际生产进行了验证,模型的预测值与实测值间的误差均在6%以下,能很好地满足实际生产需求,为焦化厂快速准确得到配煤方案提供了理论依据.     

用延迟焦化逐步回归法模型预测焦化产物的分布

因原油产地、加工方法等不同,减压渣油延迟焦化反应产物的分布及组成差异较大。对17种减压渣油的物理化学性质,如密度、残炭、灰分、金属含量、组成(饱和分、芳香分、胶质、沥青质)等进行了全面分析,并在管式焦化反应装置上分别进行焦化反应实验。采用逐步回归分析法对11组数据进行分析,首先确定对焦化反应产物分布的各项指标(包括焦炭收率、≤200℃轻油收率、>200℃重油收率、气体收率、气体中氢气浓度及甲烷浓度)影响显著的减压渣油理化性质,然后用多元回归拟合得到各理化性质的回归系数,建立延迟焦化装置产品分布预测模型,并根据6种减压渣油的性质对焦化产物分布进行预测,结果表明该预测模型的相对误差均小于5%。与已有模型相比,该模型不但可以同时预测焦化气体、轻油、重油和焦炭产率,还可以预测焦化气体中氢气和甲烷含量,从而为预测渣油的焦化产物分布、优化调配焦化原料的合理加工提供较为全面的参考信息。     

基于IOWA算子的安徽省物流需求组合预测

使用安徽省1988-2011年物流货运量的历史数据,分别采用多元回归、多项式拟合回归及指数曲线回归预测方法建立了安徽省物流需求的预测模型.在此基础上,建立了基于IOWA算子的组合预测模型和预测误差评价指标体系,最后应用此模型对安徽省未来10年的物流需求进行了预测.结果表明,该组合预测模型可作为安徽省物流需求预测的有效工具.     

神经网络应用于煤质发热量预测分析

煤质发热量是衡量煤质质量好坏的一个重要指标,针对一些计算发热量的经验公式通用性不强的问题,本文利用煤工业分析和元素分析数据作为输入,建立了发热量与输入间的神经网络模型,并对发热量进行了预测,预测精度相对误差最小0.039%,最大为2.139%,满足工程精度要求。     

基于SVM的密炼机混炼胶的粘度预测

为了提高密炼机混炼胶粘度预测模型的可用性和精确度,在单台机模型的基础上用支持向量机(SVM)非线性回归算法建立了一种新的基于SVM的混炼胶粘度预测模型,并采用此模型对实测数据进行了预测．结果表明,文中所建立的新模型不仅降低了建立预测模型时的工作量,而且提高了预测精度与速度．与多元回归的预测结果相比,新模型具有更好的准确性,可有效用于混炼胶质量指标的在线预测．     

国毛毛条加工性能和质量预测

通过对国产细羊毛原毛特征和毛条加工性能的研究，运用多元回归统计和人工神经网络两种方法建立了国毛毛条加工性能和质量的预测模型．实践表明：两种模型对毛条的豪特长度、长度变异、短纤维含量和精梳落毛率均能进行较为准确的预测，其中人工神经网络预测模型预测效果优于统计回归模型．     

基于电磁辐射原理的煤与瓦斯突出危险性预测

为实现煤与瓦斯突出危险性的动态、连续预测,根据煤岩强度统计损伤理论,分析煤岩电磁辐射强度与应力关系,建立不同泊松比煤岩动力灾害与电磁辐射响应模型。利用基于该模型研制的KBD7在线式电磁辐射监测仪,对沈阳煤业集团红菱煤矿1200工作面集中运输巷和1204工作面回风顺槽进行连续监测,预测两工作面的煤与瓦斯突出危险性。结果表明:电磁辐射强度与常规预测指标、煤与瓦斯突出危险性有很好的相关性;1200掘进工作面电磁辐射临界值为49 mV,煤与瓦斯无突出危险预测准确率为100%,有突出危险预测准确率在70%以上;1204工作面未预测出瓦斯突出危险情况。该方法可实现煤与瓦斯突出危险性的非接触、动态、连续、定向及区域性监测,为煤矿安全生产提供了技术支持。     

利用铁桶试验预测工业焦炉成焦质量的研究

为优化炼焦炉入炉煤配方以及提高焦炭产品质量,利用20 kg铁桶随炉试验以预测工业焦炉的成焦质量,并建立了预测数学模型。结果表明,利用20 kg铁桶试验可准确预测工业焦炉成焦强度,二者表现出很好的相关性,可直接用于指导工业生产过程中的配煤操作,具有很强的实用性。     

基于偏最小二乘回归模型的带钢热镀锌质量监控方法

提出了基于偏最小二乘回归模型的带钢热镀锌质量监控方法. 以带钢热镀锌生产中带钢力学性能和锌层质量的质量监控为研究对象,用偏最小二乘方法建立了生产过程参数与质量结果之间的回归模型,对生产过程控制能力进行了分析,并给出了产品质量的预测方法. 用鞍钢股份有限公司带钢热镀锌的实际生产数据进行验证. 结果表明,偏最小二乘法比传统的多元线性回归方法具有更好的预测精度,基于偏最小二乘回归的锌层质量预测模型,其相对预测误差可达到5.93%.     

人工神经网络与遗传算法在高炉焦比预报中的应用

建立了遗传算法与BP神经网络相结合的高炉焦比预报模型。该模型用于预报在不同操作条件下适宜的焦比,寻求高炉诸多操作参数与焦比之间的映射关系,为高炉操作者提供调整炉况的依据。实际应用表明,该模型具有较好的命中率。     

地下水水质预测的多元线性回归分析模型研究

运用回归分析理论和方法,建立了一个基于多元线性回归分析法的地下水水质动态预测模型,并将该模型用于遵义市海龙坝地下水水质的动态预测.结果表明预测精度较高,建立的模型较符合本研究区的实际情况.     

配合煤的镜质组反射率分布与焦炭强度预测

为了工业配煤炼焦生产的需要,通过对配合煤的镜质组反射率分布与焦炭机械强度的研究,得出镜质组反射率分布与焦炭机械强度具有良好的线性关系。据此建立相关性好、可信度高的数学模型,进行实验验证。结果表明:焦炭机械强度M40和M25的预测误差小,可以用于指导工业配煤炼焦生产;影响M40和M25最大的均为肥煤,影响M10最大者为焦煤。     

利用模糊集合度量配煤方法预测焦炭的性能

在介绍II级冶金焦炭质量指标和配煤实验的基础上,详细叙述了美国伯利恒钢铁公司法和模糊集合度量配煤法的关系,指出配煤炼焦公司应参与到应用模糊集合度量方法预测焦炭质量的研究课题中。