本文提出了一种基于PSO-Elman的火电厂入炉煤热值预测模型,旨在解决现有测定方法的不足,提高预测准确性和效率.文章通过采集某热电厂近两年使用氧弹法测量的不同煤种入炉煤热值工业分析数据,选用合适的辅助变量,建立了基于Elman神经网络的入炉煤热值预测模型,利用PSO算法寻优得到最优的权值和阈值作为Elman网络模型的初始参数.然后通过数据训练仿真,建立了基于PSO-Elman的火电厂入炉煤热值预测模型,并与Elman神经网络的预测效果进行了对比.结果表明,PSO-Elman神经网络模型在入炉煤热值的软测量上,具有更好的泛化性和预测效果.
NETL
NSTL
万方数据
