基于Elman神经网络的烟煤与生物质混烧灰熔点预测

基于实验法测定烟煤与不同生物质混烧灰熔点时存在工作量大、时效性差的问题,通过分析烟煤分别与玉米秸秆和木屑混烧灰的成分,并以灰成分为输入量,建立基于Elman神经网络的灰熔点预测模型。采用Levenberg-Marquardt反向传播算法训练模型,利用残差检验与后验差检验法检验模型预测性能。研究结果表明:玉米秸秆灰、木屑灰分别含有较高的K_2O和CaO,与烟煤灰相比,2种生物质灰的碱性氧化物(Na_2O,K_2O,CaO,MgO)质量分数较高,酸性氧化物(Al_2O_3和SiO_2)质量分数较低;检验结果验证了该模型具有较高的预测精度和较强的泛化能力。