本文關(guān)鍵詞：焦炭質(zhì)量預(yù)測與優(yōu)化配比算法的研究，，由筆耕文化傳播整理發(fā)布。

【摘要】： 隨著國民經(jīng)濟(jì)的迅速發(fā)展,鋼鐵的需求量逐年上升,用于煉鋼的冶金焦的需求量也迅速增大,如何根據(jù)現(xiàn)有的煤資源來達(dá)到預(yù)期的焦炭指標(biāo),穩(wěn)定焦炭質(zhì)量,并使成本最小是焦化行業(yè)追求的目標(biāo)。 煉焦配煤是一個(gè)復(fù)雜的過程,但對(duì)于一個(gè)具體的焦化廠,在一段穩(wěn)定生產(chǎn)時(shí)期內(nèi),煉焦工藝、加熱制度等基本不變,焦?fàn)t設(shè)備狀態(tài)也基本穩(wěn)定,這些基本不變因素對(duì)焦炭質(zhì)量的影響也基本相同或變化不大,因此影響焦炭質(zhì)量的因素便可縮小到配合煤的質(zhì)量,而配合煤的性質(zhì)又是由參加配合的單種煤的性質(zhì)與配比決定的,調(diào)整配合煤種和配比,就可控制焦炭質(zhì)量,優(yōu)選配合煤種和配比就可降低煉焦用煤成本。 本文在國內(nèi)外配煤理論與方法及焦炭質(zhì)量預(yù)測研究現(xiàn)狀的基礎(chǔ)上,根據(jù)某焦化廠近兩年的生產(chǎn)數(shù)據(jù),分析單種煤到配合煤的預(yù)測,發(fā)現(xiàn)配合煤的黏結(jié)指數(shù)和膠質(zhì)層最大厚度不具有加和性,加權(quán)平均誤差很大。對(duì)單種煤進(jìn)行模糊聚類后,對(duì)同一類的單種煤進(jìn)行加權(quán)平均,然后再利用歷史數(shù)據(jù)對(duì)未來的數(shù)據(jù)進(jìn)行預(yù)測,預(yù)測的結(jié)果表明此方法誤差比簡單的加權(quán)平均的預(yù)測精度較高,證明該預(yù)測方法的可行性。對(duì)焦炭質(zhì)量的預(yù)測采用線性的回歸分析、穩(wěn)健回歸和非線性的神經(jīng)網(wǎng)絡(luò)與支持向量機(jī)的方法,在預(yù)測分析的同時(shí)進(jìn)行了試驗(yàn)分析。分析結(jié)果表明,支持向量機(jī)的預(yù)測精度比前三種方法高,灰分、硫分、M40、M10、CRI、CSR的平均誤差分別為0.0719、0.0364、0.5348、0.1001、0.6440、1.0681。證明配煤和煉焦過程的復(fù)雜關(guān)系可以用基于統(tǒng)計(jì)理論的支持向量機(jī)來正確描述,為進(jìn)一步提高焦炭質(zhì)量預(yù)測的準(zhǔn)確性和科學(xué)性提供了一種新方法。在以上理論的基礎(chǔ)上,引入遺傳算法,將遺傳算法和支持向量機(jī)相結(jié)合,為計(jì)算單種煤的配比提供了一種新的方法。
【關(guān)鍵詞】：模糊聚類 穩(wěn)健回歸 神經(jīng)網(wǎng)絡(luò) 支持向量機(jī) 遺傳算法
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2008
【分類號(hào)】：F407.21;F224
【目錄】：

• 摘要4-5
• Abstract5-7
• 目錄7-9
• 第一章 緒論9-16
• 1.1 課題背景9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 單種煤到配合煤的預(yù)測11
• 1.2.2 配合煤到焦炭的預(yù)測11-13
• 1.2.3 優(yōu)化配比的研究13
• 1.3 存在的問題13-14
• 1.4 本文主要內(nèi)容和結(jié)構(gòu)14-16
• 第二章 煉焦的概述16-29
• 2.1 煉焦煤的分布與分類16-18
• 2.1.1 煉焦煤的分布16
• 2.1.2 煉焦煤的分類16-18
• 2.2 煤的乳結(jié)性和結(jié)焦性18-19
• 2.2.1 煤的黏結(jié)性18
• 2.2.2 煤的結(jié)焦性18-19
• 2.3 煤的成焦機(jī)理19-21
• 2.3.1 塑性成焦機(jī)理19-21
• 2.3.2 中間相成焦機(jī)理21
• 2.4 配煤煉焦原理21-22
• 2.5 鑒別混煤22-23
• 2.6 配合煤的質(zhì)量指標(biāo)23-25
• 2.7 焦炭的分類和評(píng)定25-29
• 第三章 配合煤和焦炭的預(yù)測研究29-64
• 3.1 預(yù)測方法的理論基礎(chǔ)29-44
• 3.1.1 線性預(yù)測29-35
• 3.1.2 神經(jīng)網(wǎng)絡(luò)預(yù)測35-37
• 3.1.3 支持向量機(jī)(SVM)預(yù)測37-41
• 3.1.4 模糊聚類41-44
• 3.2 單種煤與配合煤以及焦炭之間的關(guān)系的研究44-63
• 3.2.1 單種煤的指標(biāo)和配合煤的指標(biāo)的關(guān)系研究44-55
• 3.2.2 配合煤和焦炭的關(guān)系研究55-63
• 3.3 本章小節(jié)63-64
• 第四章 優(yōu)化配比算法的研究64-79
• 4.1 數(shù)學(xué)規(guī)劃的理論基礎(chǔ)64-67
• 4.1.1 線性規(guī)劃64-65
• 4.1.2 非線性規(guī)劃65-67
• 4.2 遺傳算法概述67-70
• 4.3 基于遺傳算法的優(yōu)化模型和配比計(jì)算70-79
• 4.3.1 目標(biāo)函數(shù)70
• 4.3.2 約束條件70-71
• 4.3.3 遺傳算法的實(shí)現(xiàn)71-79
• 第五章 試驗(yàn)結(jié)果與驗(yàn)證79-97
• 5.1 焦炭質(zhì)量預(yù)測試驗(yàn)結(jié)果79-90
• 5.1.1 試驗(yàn)過程82-88
• 5.1.2 結(jié)果分析88-90
• 5.2 優(yōu)化配比結(jié)果90-92
• 5.3 Matlab與可視化語言的無縫連接92-93
• 5.4 小焦?fàn)t驗(yàn)證93-95
• 5.5 焦炭的模糊評(píng)判95-97
• 第六章 總結(jié)97-99
• 參考文獻(xiàn)99-103
• 致謝103

【引證文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前1條

1 孔金生;張娓娓;;基于AGA優(yōu)化BP網(wǎng)絡(luò)的焦炭質(zhì)量模型[J];計(jì)算機(jī)仿真;2011年02期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前6條

1 張娓娓;焦炭生產(chǎn)過程質(zhì)量模型建模方法研究[D];鄭州大學(xué);2010年

2 楊頌;煉焦配煤與焦炭質(zhì)量關(guān)聯(lián)性的初步研究[D];太原理工大學(xué);2011年

3 吳麗娟;焦炭生產(chǎn)過程的產(chǎn)品質(zhì)量建模與優(yōu)化控制研究[D];鄭州大學(xué);2011年

4 張偉峰;焦炭生產(chǎn)產(chǎn)品質(zhì)量建模及其質(zhì)量優(yōu)化研究[D];鄭州大學(xué);2012年

5 胡秀明;八寶工業(yè)園洗煤廠焦中煤碎磨再選工藝研究[D];遼寧工程技術(shù)大學(xué);2012年

6 宮春暉;基于神經(jīng)網(wǎng)絡(luò)在煉焦配煤過程中的應(yīng)用與研究[D];沈陽理工大學(xué);2013年

  本文關(guān)鍵詞：焦炭質(zhì)量預(yù)測與優(yōu)化配比算法的研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：334994