基于新陈代谢算法优化的GM(1,N)动态网络灰分拟合
王传真1
吕锦涛1
刘海增1
王光辉2
于昂泓1
1.深部煤矿采动响应与灾害防控国家重点实验室,安徽淮南,232001;安徽理工大学材料科学与工程学院,安徽淮南,2320012.中国矿业大学化工学院,江苏徐州,221116
摘要：煤炭是我国能源资源安全的压舱石,"双碳"背景下实现煤炭清洁加工与高效利用意义重大,而灰分检测对煤炭清洁化和智能化发展尤为重要.针对现有灰分检测存在的检测精度有待提高的突出问题,以两淮矿区典型煤样为研究对象,通过慢灰和X射线荧光(X ray fluorescence,XRF)测试系统地探究了煤样的灰分和元素组成分布规律,并结合机器学习理论构建了灰分-元素特征数据集;结合灰色系统理论和新陈代谢算法,构建了自适应的GM(1,N)动态网络灰分拟合优化模型,并详细设计了动态网络算法流程;提出了GM(1,N)动态模型的关键超参数,并通过与常规拟合方法对比,全面地评价了模型拟合性能.结果表明:两淮矿区煤可视为由可燃元素和成灰元素共同构成,且成灰元素中质量分数占比最高为Si和Al,次之为S、Fe和Ca等,最少为P和C1等,并且煤中成灰元素总含量与灰分呈正相关,而可燃元素与之相反;以灰分为标签值、以组成元素为特征值,形成了煤的灰分-元素特征数据集;以样本数据划分→动态网络灰分拟合→模型评价机制→动态拟合模型自适应优化→鲁棒性提升→多轮迭代优化为主线设计了GM(1,N)动态网络灰分拟合模型及其算法流程,有效提升了数据集稳定性和新鲜度,并且迭代收敛速度快,灰分误差阈值5％时其准确率达100％;对比经典GM(1,N)模型和常规多元线性回归模型,证明了新模型的灰分拟合性能得到显著提升,其相对误差为0.16％～4.96％、误差均值仅2.29％.
关键词：GM(1N)动态网络新陈代谢算法灰色系统理论灰分拟合X射线荧光
分类号：TP028.8(自动化技术、计算机技术)
资助基金：国家自然科学基金(52004009)中国博士后科学基金面上资助项目(2020M671837)安徽省博士后资助项目(2021A479)
论文发表日期：2023-12-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 4549-4558 )
英文信息