应用神经网络对精煤灰分含量进行实时预报.pdf

第3 4 卷第2 期 2 0 0 5 年3 月 中国矿业大学学报 J o u r n a lo fC h i n aU n i v e r s i t yo fM i n i n g ＆．T e c h n o l o g y V 0 1 ．3 4N O ．2 M a r ．2 0 0 5 文章编号1 0 0 0 1 9 6 4 2 0 0 5 0 2 0 1 9 4 0 4 应用神经网络对精煤灰分含量进行实时预报 孙伟，刘 杰，杨东平 中国矿业大学信息与电气工程学院，江苏徐州2 2 1 0 0 8 摘要针对具有不确定性、时变性和复杂非线性关系的跳汰选煤过程，提出了精煤产品灰分含量 的新型实时多步预测方法．本文基于J o r d a n 神经网络构造了具有多作用因素输入和灰分含量动 态时间序列反馈的实时动态建模预测模型，提出了B P 算法和T D 法相结合的网络学习新算法． 该方法比传统预测方法具有更好的收敛性和适应性．应用结果表明，预测命中率和预测精度 较高． 关键词神经网络；动态多步预报；时间序列；B P 算法；T D 法 中图分类号T P2 7 3文献标识码A R e a lT i m eP r e d i c t i o no fA s hC o n t e n to fC l e a n C o a lU s i n gN e u r a lN e t w o r k S U NW e i ，L I UJ i e ，Y A N GD o n g - p i n g S c h o o lo fI n f o r m a t i o na n dE l e c t r i c a lT e c h n o l o g y ，C h i n aU n i v e r s i t yo fM i n i n g ＆．T e c h n o l o g y ． X u z h o u ，J i a n g s u2 2 1 0 0 8 ，C h i n a A b s t r a c t An o v e lr e a l t i m ea n dm u l t i s t e pp r e d i c t i n gs c h e m eo fa s hc o n t e n to fc l e a nc o a li s p r o p o s e db a s e do nt i m e v a r i a t i o n ，u n c e r t a i n t ya n dc o m p l i c a t e dn o n l i n e a rr e l a t i o n si nj i g g i n g p r o c e s s ．Ar e a l t i m ea n dd y n a m i cp r e d i c t i n gm o d e lb a s e do nJ o r d a nn e u r a ln e t w o r ki n c l u d i n gi n p u t o fi n f l u e n c ef a c t o r sa n dd y n a m i ct i m es e q u e n c ef e e d b a c ko fa s hc o n t e n to fc l e a nc o a lw a s e s t a b l i s h e d ．An e wl e a r n i n ga l g o r i t h mi sp r o p o s e db yc o m b i n i n gt h et e m p o r a ld i f f e r e n c em e t h o d s w i t hB Pa l g o r i t h m ，w h i c hh a sb e t t e ra s t r i n g e n c ya n da d a p t a b i l i t yt h a nt h et r a d i t i o n a lp r e d i c t i v e m e t h o d s ．T h er e s u l t sa p p l i e di ni n d u s t r yi n d i c a t et h a tt h ep r e d i c t i v ep r e c i s i o ni sq u i t eh i g h ． K e yw o r d s n e u r a ln e t w o r k ；m u l t i - s t e pd y n a m i cp r e d i c t i o n ；t i m es e r i e s ；B Pa l g o r i t h m ；T D m e t h o d 精煤是选煤厂洗选生产的主要产品，精煤的灰 分指标是其按质论价的主要依据之一．由于在线测 灰仪代价昂贵，通常精煤灰分通过人工采样、制样 到化验获得，历时大约1h ，不能有效指导选煤生 产．为此，可以通过分析过去精煤灰分数据来定量 地预测灰分指标的变化趋势． 传统预测方法 如时间序列和回归分析 通常 选定某种函数类建立起具体数学模型，通过一定计 算技术修正模型，然后用此模型进行预测．这类方 法由于其收敛性、适应性和预测精度均受到不同程 度的局限，且对于各种复杂的、随机变化因素缺乏 内部平衡机理，因此影响应用效果．近年来，神经元 网络在预测领域的应用中显示了较大的优势和潜 力[ 1 ≈] ．神经网络是自适应的高度非线性系统，具有 并行分布处理及高度鲁棒性等特点，具有很强的学 习和联想记忆功能．特别适用于因果关系复杂的非 确定性推理、判断和分类等问题[ 4 。7 ] ． 跳汰选煤生产过程包含有显著的非线性和时 收稿日期2 0 0 4 0 3 1 6 基金项目国家自然科学基金项目 6 0 3 0 4 0 1 6 作者简介孙伟 1 9 j 3 一 ，男，江苏省徐州市人，教授，工学博士，从事控制理论与控制工程方面的研究 万方数据 第2 期 孙伟等应用神经网络对精煤灰分含量进行实时预报1 9 5 变性，很难构造一个数学模型来描述精煤灰分含量 的规律，传统预测方法对灰分含量预报的命中率不 很理想．为了对精煤产品灰分含量的时间序列进行 预测，可以采用神经网络预测方法． 1精煤灰分含量预报神经网络的结构 人工神经网络预测方法以实测数据为依据，通 过学习训练建立样本输入与目标输出之间复杂的 对应关系，并具有较强的联想记忆和推广能力．预 测模型的预测精度主要依赖于样本数据的准确性 和网络结构． 分析跳汰生产过程知道，精煤灰分与人洗原煤 的密度、粒度、入料量、风压、风量、水压、水量等因 素有关[ 8 ] ．但各因素之间的定量关系很难用一个数 学表达式做完善的描述．精煤灰分含量的实时预报 是一种直接多步预测，为此精煤灰分含量预报神经 网络采用在时间序列预测中常用的J o r d a n 网络， 该网络是以前馈为主的神经网络，并具有代表动态 时间序列的反馈，已被证明具有很强的动态逼近能 力，可用来描述任意的非线性动态系统． 本文采用J o r d a n 网络对现场实测数据进行训 练学习，建立精煤灰分预测模型，该模型可对精煤 灰分进行直接多步预测．J o r d a n 网络的具体结构见 图1 所示．网络的输入为与精煤灰分指标相关的 数据和当前最近m 个小时的精煤产品灰分含量． 托 f 输m 层 隐含层 输入层 ff 崩 y 1 图1J o r d a n 神经网络结构图 F i g ．1 S t r u c t u r eo fJ o r d a nn e u r a ln e t w o r k 考虑到数据获取的方便性以及与精煤灰分含 量的相关程度，选取以下变量作为J o r d a n 神经网 络输入层第一部分x 。的输入数据． X 】一{ z l ，z 2 ，z 3 ，⋯，z 。 一 { 人料密度，入料粒度，人料量，给料速度，风压， 风量，水压，水量，闸门开启高度，床层厚度 ， 1 由于各影响因素具有不同的量纲，需要将这些相关 变量的实测数据进行归一化处理．本文选择了线性 变换法，即 x - x I I l i 。 ／ z 。。- - X m i 。 ， 从而可把实测数据变换到o ～1 范围内的数值，然 后作为神经网络的输入样本进行学习． 输入层的第二部分输入y 。为最近m 个小时 的精煤灰分含量的历史数据，各个历史数据本身具 有负反馈，通过负反馈使不同时间的历史数据在学 习中发挥的重要程度不同，对较近的预测作较大的 调整，此处采用指数形式的反馈权重．历史数据通 过负反馈以后，进入网络的输人为 姐一∞ 坝一l ∥y t 一2 ⋯ 刀肌一i ⋯， 2 式中A 为输出的衰减率，满足o A Y2 一矾 2 ， 4 厶茸 式中Y 为第k 个输出神经元t 时刻的期望输出 值；y l 为第志个输出神经元t 时刻的实际输出值． 权值的修改应使误差E 减少，即网络的权值 应沿E 函数梯度下降方向 负梯度方向 修改，若 权值W i ，的变化量记为A W 0 ，则 A w 们 1 一一j 7 赢3 E ， 5 万方数据 中国矿业大学学报 第3 4 卷 式中W ，，为第j 个神经元与第i 个神经元之间的连 接权值；叩为学习率．对于学习精度较低的问题，可 用较大的学习速率节值收敛；对于学习精度要求较 高的问题，学习速率不宜取得过大，一般在0 ．7 以 下，否则振荡较大．为了使学习速率7 取值足够大， 又不致产生振荡，采用了附加动量法．此法实际上 是在原权值调节量的基础上，加一项正比于前次变 化量的值，即通常在权值修正公式 5 中加入一个 动量项，则公式 5 变为 A w 的 ”一7 篆 a A w 讲沪 一7 耋} a [ ∞u f ～W 7 d i j f _ ．1 ] ， 6 一7 鬲i a L ∞u t ～- 1 _ J ， 6 式中c l 为动量项的加权因子，o 口 Y k Ⅲ 一Y 训 ， 7 百 此处Y ‰ 一y ．则网络权值的实时调整值为 AW 洲， ∑∑j 7 ∑ Y k c m ，一Y k o 祟． 8 2 ．3B P 算法与T D 法结合的J o r d a n 学习算法 将B P 算法与T D 法相结合，用于精煤灰分含 量预测的J o r d a n 网络的实时预报，则可以得到如 下所示的权值调整规则 l a F A w i j 川 一一7 蕊 a A w i j o ∑∑7 ∑足～ Y k c 川，一y 训，’蕊d r Z ． 9 3 实例介绍 为了验证J o r d a n 神经网络在精煤灰分含量预 测中的可靠性，从某选煤厂连续采集1 9 0 组精煤块 灰分化验数据及与其对应的输入变量值，进行了网 络训练及预测．前1 2 0 组用于训练，后7 0 组用于预 测．其中网络输入层第一部分输入为人料密度、人 料粒度、人料量等1 0 个变量，第二部分输入为最近5 h 精煤灰分历史数据，网络的输出为下一个小时的 灰分预报值．精煤灰分的实际值与预报值的比较结 果见图2 所示，图中虚线为灰分含量的实际值，实线 为预报值．从图中可以看出，预测可靠性较高． 71 6 ．9 摹6 ．7 26 ．5 麓6 ．3 6 ．1 5 ．9 5 ．7 01 02 03 04 05 06 07 0 训练次数 4 结束语 图2 实验结果 F i g ．2 A c t u a l l yt e s t i n gr e s u l t 本文讨论了利用J o r d a n 神经网络进行跳汰生 产精煤灰分含量预报的方法，该网络具有代表动态 时间序列的反馈，因而可用于描述复杂动态系统． 网络学习算法采用了将B P 算法和T D 法相结合的 方法，从而实现了对于精煤灰分含量的时间序列的 实时多步预测．结合现场实时数据进行预报实验的 结果表明，预测精度较高． 参考文献 [ 1 ] 王伟．人工神经网络原理入门与应用[ M ] ．北京 北京航空航天大学出版社，1 9 9 5 ． [ 2 ] 孙伟，杨东平，岳东．焦炉集气管压力系统智能控 制策略[ J ] ．中国矿业大学学报，2 0 0 0 ，2 9 5 5 0 3 5 0 5 ． S u nW ，Y a n gDP ，Y u eD ．I n t e l l i g e n tc o n t r o lf o r p r e s s u r es y s t e mo fg a sc o l l e c t i n gp i p eo fc o k eo v e n [ J ] ． J o u r n a lo fC h i n aU n i v e r s i t yo fM i n i n g T e c h n o l o g y ， 2 0 0 0 ，2 9 5 5 0 3 5 0 5 ． [ 3 7 孙伟，谭得健，许世范．基于神经元预报模型的过热 汽温过程控制[ J ] ．中国矿业大学学报，1 9 9 8 ，2 7 1 7 2 7 5 ． S u nW ，T a nDJ ，X uSF ．V a p o u rt e m p e r a t u r e p r e d i c t i v ec o n t r o lb a s e do nn e u r o np r e d i c t i o nm o d e l [ J ] 。J o u r n a lo fC h i n aU n i v e r s i t yo fM i n i n g8 k T e c h n o l o g y ，1 9 9 8 ，2 7 1 7 2 - 7 5 ． [ 4 - I 焦李成．神经网络系统理论[ M ] ．西安西安电子科技 大学出版社，1 9 9 0 ． [ 5 ] S u nW ，G o n gDW ，W a n gXS ．P r o c e s so u t o f c o n t r o lc a u s ed i a g n o s i so fc o a lp r e p a r a t i o np l a n tb a s e d o nf u z z yp a t t e r nr e c o g n i t i o n [ A ] ．P r o c e e d i n g so fT h e 3 R DW o r l dC o n g r e s so nI n t e l l i g e n tC o n t r o la n d A u t o m a t i o n [ C ] ．H e f e i P r e s so fU n i v e r s i t yo fS c i e n c e 万方数据 第2 期孙伟等应用神经网络对精煤灰分含量进行实时预报 1 9 7 a n dT e c h n o l o g yo fC h i n a ，2 0 0 0 ．6 7 0 6 7 2 ． [ 6 ] S u nW ，C h e n gYH ，X uSF ．Ak i n do fN Nf o r m p r e s e n t a t i o n a n dd i s p o s a lo fe x p e r i e n c ec o n t r o lr u l e [ A ] ．P r o c e e d i n g so fT h e3 R DW o r l dC o n g r e s so n I n t e l l i g e n tC o n t r o la n dA u t o m a t i o nE E l ．H e f e i P r e s s o fU n i v e r s i t yo fS c i e n c ea n dT e c h n o l o g yo fC h i n a ， 2 0 0 0 ．8 3 6 8 3 8 ． [ 7 ] S u nW ，W a n gXS ，X uSF ．An e u r a ln e t w o r kf u z z y c o m p r e h e n s i v ee v a l u a t i o n f o re v a l u a t i n ge c o n o m i c b e n e f i to fb u s i n e s sf i r m [ A ] ．P r o c e e d i n g so fT h e3 R D W o r l dC o n g r e s so nI n t e l l i g e n tC o n t r o la n dA u t o m a t i o n [ C ] ．H e f e i P r e s so fU n i v e r s i t yo fS c i e n c ea n d T e c h n o l o g yo fC h i n a ，2 0 0 0 ．1 1 1 9 1 1 2 1 [ 8 ] 张家骏，霍旭红．物理选矿[ M ] ．北京煤炭工业出版 社，1 9 9 2 ． [ 9 ] S u t t o nRS ．L e a r n i n gt o p r e d i c tb yt h em e t h o d so f t e m p o r a ld i f f e r e n c e [ J ] ．M a c h i n eL e a r n i n g ，1 9 8 8 3 9 4 4 ． 责任编辑姚志昌 上接第1 8 7 页 [ 3 ] 施继锡，李本超，傅家谟，等．有机包裹体及其与油气 的关系[ J ] ．中国科学 B 辑 ，1 9 8 7 ， 3 3 1 8 3 2 5 ． S h iJX ，L iBC ，F uJM ，e ta 1 ．O r g a n i ci n c l u s i o na n d t h er e l a t i o nw i t ho i l g a s [ J ] ．S c i e n c eC h i n a B 1 9 8 7 ，1 7 3 3 1 8 3 2 5 ． [ 4 ] 麦碧娴，汪本善．泌阳凹陷下第三系流体包裹体特征 及其应用一流体包裹体研究[ J 1 ．地球化学，1 9 9 1 ， 4 3 3 1 - 3 4 1 ． M a iBX ，W a n gBS ．C h a r a c t e r i s t i c sa n da p p l i c a t i o n s o ff l u i di n c l u s i o ni nt h ee o g e n eo f t h e B i y a n g d e p r e s s i o n As t u d y o ff l u i d i n c l u s i o n s [ J ] ． G e o c h i m i c a 。1 9 9 1 ， 4 3 3 1 - 3 4 1 ． [ 5 ] 柳少波，顾家裕．包裹体在石油地质研究中的应用与 问题讨论[ J ] ．石油与天然气地质，1 9 9 7 ，1 8 4 3 2 6 3 3 2 ． L i uSB ，G uJY ．A p p l i c a t i o no ff l u i di n c l u s i o n st o p e t r o l e u mg e o l o g i c a ls t u d ya n dd i s c u s s i o n [ J ] ．O i l G a sG e o l o g y ，1 9 9 7 ，1 8 4 3 2 6 3 3 2 ． [ 6 3 朱炎铭，秦勇．黄骅坳陷孔古3 井古生界烃源岩的生 烃演化[ J ] ．石油学报，2 0 0 1 ，2 2 6 3 0 3 3 ． Z h uYM ，Q i nY ．H y d r o c a r b o n g e n e r a t i o ne v o l u t i o n o fP a l e o z o i es o u r c er o c k si nt h eK o n g g u 一3w e l li n H u a n g h u aD e p r e s s i o n [ J ] ．A C T A P e t r o l e i s i n i c a ， 2 0 0 1 ，2 2 6 3 0 3 3 ． [ 7 ] 朱炎铭，秦勇，范炳恒，等．黄骅坳陷歧古1 井古生 界烃源岩的二次生烃演化[ J ] ．地质学报，2 0 0 1 ，7 5 3 4 2 6 4 3 1 ． Z h uYM ，Q i nY ，F a nBH 。e ta 1 ．T h es e c o n d h y d r o c a r b o n g e n e r a t i o ne v o l u t i o no fp a l e o z o i cs o u r c e r o c k si nt h eQ i g u 一1w e l li nH u a n g h u ad e p r e s s i o n [ J ] ． A C T AG e o l o g y s i n i c a ，2 0 0 1 ，7 5 3 4 2 6 4 3 1 ． 责任编辑李成俊 万方数据