文档摘要：为解决传统多元线性回归(Multivariatelinearregression,MLR)模型在煤炭发热量预测方面精度不足和适用性有限的问题,提出了一种基于改进自适应增强算法(Adaptiveboosting,Adaboost)的煤发热量的预测模型.将随机森林(Randomforest,RF)作为Adaboost的基学习器,以提高模型在工业煤质分析中的发热量预测精度和泛化能力.研究基于某电厂1万组入炉煤的工业分析数据,选取水分、挥发分、灰分和固定碳作为模型输入,建立煤炭低位发热量的预测模型.通过与传统的多元线性回归方程及其他非线性模型比较,模型展现出更高的预测精度和更好的泛化能力.大样本测试的实验结果表明,本模型的平均绝对百分比误差为0.5417％,均方根误差为0.1304MJ/kg,拟合度(R2)达到0.9799,其在煤炭发热量预测方面优于其他模型.此外,200组真实的混煤工业分析数据的模拟验证,进一步确认了本模型较优的泛化性能.
Abstract：Toaddresstheproblemsofinsufficientaccuracyandlimitedapplicabilityoftraditionalmultivariatelinearregression(MLR)modelsinpredictingthecalorificvalueofcoal,apredictivemodelofcoalcalorificvaluebasedonimprovedadaptiveboostingalgorithm(Adaboost)hasbeenproposed.Thismodelincorporatesrandomforest(RF)asAdaboost'sbaselearnertoincreasetheaccuracyandgeneralizationcapabilityofcalorificvaluepredictionswithinindustrialcoalqualityanalysis.Thestudyisgroundedonindustrialanalysisdatafrom10000setsofas-firedcoalinapowerplant,selectingmoisture,volatilematter,ash,andfixedcarbonasinputstoconstructapredictivemodelforcoal'slowerheatingvalue.WhencomparedtotraditionalMLRequationsandothernonlinearmodels,theproposedmodelexhibitssuperiorpredictionaccuracyandenhancedgeneralization.Notably,inexperimentsconductedwithlargesamplesizes,theresultsdemonstratethemodelhasameanabsolutepercentageerrorof0.5417％,arootmeansquareerrorof0.1304MJ/kg,andacoefficientofdetermination(R2)of0.9799,indicatingitssuperiorperformanceinpredictingthecalorificvalueofcoaloverothermodels.Moreover,themodel'ssuperiorgeneralizationcapabilitywasfurthervalidatedthroughasimulationwith200setsofrealblendedcoalindustrialanalysisdata.
作者：祁浩浩 茅大钧 陈思勤 Author：QIHaohao MAODajun CHENSiqin
作者单位：上海电力大学自动化工程学院,上海200090华能国际电力股份有限公司上海石洞口第二电厂,上海200942
刊名：电力科学与工程
Journal：ElectricPowerScienceandEngineering
年，卷(期)：2024, 40(6)
分类号：TQ533.2
关键词：煤质工业分析 煤发热量 多元线性回归 RF-Adaboost模型 基学习器
Keywords：coalqualityindustrialanalysis calorificvalueofcoal multiplelinearregression RF-Adaboostmodel baselearner
机标分类号：TP391TP181U491
在线出版日期：2024年7月19日
基金项目：华能集团有限公司科技项目基于改进自适应增强算法的混煤发热量预测方法[
期刊论文] 电力科学与工程--2024, 40(6)祁浩浩 茅大钧 陈思勤为解决传统多元线性回归(Multivariatelinearregression,MLR)模型在煤炭发热量预测方面精度不足和适用性有限的问题,提出了一种基于改进自适应增强算法(Adaptiveboosting,Adaboost)的煤发热量的预测模型.将随机森林(...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：煤质工业分析,煤发热量,多元线性回归,RF-Adaboost模型,基学习器,
|
|
1
