CN102890145A - 由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法 - Google Patents
由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法 Download PDFInfo
- Publication number
- CN102890145A CN102890145A CN2012104057796A CN201210405779A CN102890145A CN 102890145 A CN102890145 A CN 102890145A CN 2012104057796 A CN2012104057796 A CN 2012104057796A CN 201210405779 A CN201210405779 A CN 201210405779A CN 102890145 A CN102890145 A CN 102890145A
- Authority
- CN
- China
- Prior art keywords
- coal
- alpha
- value
- coke
- index
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种由单种煤黏结性和煤岩指标非线性预测焦炭质的方法,对焦化企业生产焦炭的稳定性和焦炭质量的提高可以提供重要技术的保证。本发明提供的方法步骤为:建立单种炼焦用煤性质和焦炭质量指标信息数据库,将单种炼焦煤粘结性指标、煤岩指标,输入到煤信息数据库;建立焦炭质量预测模型,通过聚类和支持向量机来预测配合煤的质量指标;确定配合煤质量指标,由单种煤质量指标预测焦炭质量指标;建立焦炭抗碎强度和耐磨强度预测模型。本发明是以稳定及提高焦炭质量、降低配煤成本为目标的煤岩优化配煤预测焦炭质量系统。该系统能形成煤质质量指标与焦炭质量指标的多参数准确性高的预测模型。同时,该系统具有实时更新或人工干预功能。
Description
技术领域
本发明属于煤化工技术领域焦化行业炼焦生产过程中焦炭质量的预测方法,具体涉及炼焦单种煤煤质黏结性指标水平,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标水平,包括镜质组全反射率及显微组分活惰比二个因素,构成的二水平四因素来预测焦炭机械强度和热态性能的实用系统。尤其是一种由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法。
背景技术
高炉大型化和氧煤喷吹技术的提高,对高炉用焦质量和稳定提出了更高要求。在目前炼焦煤种变化繁多、煤质不稳定的情况下,如何通过炼焦煤煤质性质预测焦炭的机械强度和热态性能,对稳定和提高焦炭质量,以及降低焦化企业生产配煤成本等都具有十分重要的实际意义,这也目前钢铁冶金企业焦化厂亟需解决的一个实际生产问题。
目前,采用传统经验配煤或单独采用煤岩配煤方法进行预测焦炭质量指标大都是通过单种煤煤质指标和相应的配煤比,并利用加权方法来预测焦炭机械强度(M40、M10)和热态性能(CRI、CSR),或采用一种煤质常规黏结性指标Y值或G值再结合煤变质程度指标挥发分Vdaf或煤镜质组平均最大反射率单一指标来预测焦炭机械强度和热态性能。这些方法在一定程度上都能估计出焦炭强度和热性能。但对于单种煤煤质有混配现象时,该方法进行的焦炭质量指标预测时会与实际焦炭质量指标产生较大误差。中国专利CN1749358A公开了采用多元线性回归方法预测焦炭质量指标,该方法具有方法简单的特点,但该方法预测时一是因采用线性回归关系,不易得到确定性数值;其二是由于炼焦煤的煤质复杂,同样条件的炼焦煤挥发分Vdaf和G值,在预测焦炭机械强度和热态性能时会产生很大差异,这是因为单种煤通过混配后,可以采用不同数量和种类的煤种在混配后得到相同的挥发分Vdaf和G值。同时,因炼焦煤与焦炭质量指标在炼焦过程中是一个复杂的关系,采用线性关系替代炼焦煤结焦过程中的非线性关系,必然使焦炭质量指标的预测结果与实际产生的误差增大。中国专利CN101661026A采用BP神经网络来预测焦炭质量,实际上该方法是采用经验风险最小化原理,但实际结果不能使期望风险最小化,在理论上存在缺陷, 易陷入局部极小点,泛化能力不强等缺点。此外,神经网络的隐层数和隐层节点数的确定一般评经验确定,也没有一个明确的算法,这就使神经网络的预测精度受到一定的影响,在实际应用中受到一定的限制。同时,中国专利CN101661026A采用煤岩镜质组反射率分成6段作为输入量,既将镜质组反射率分为小于0.60%、0.60%~0.65%、0.65%~1.25%、1.25%~1.75%、1.75%~1.85%、大于1.85%共6个反射率分布段。该分段考虑了在每一段采用累计值作为焦炭质量预测的输入参数。同时,在0.65%~1.25%反射率分布段含盖了气煤、气肥煤、肥煤和部分焦煤类煤质组分,在1.25%~1.75%反射率分布段涵盖了部分焦煤、瘦焦煤、部分瘦煤类煤质组分。而在目前炼焦煤市场混煤现象严重的情况下,需要对预测煤岩方法的分类进行精细化划分,以提高炼焦煤预测指标的集中度。因此,本发明提出的二水平四因素对炼焦煤预测焦炭质量将起到更大的促进作用。
发明内容
本发明的目的是提供一种由单种煤黏结性和煤岩指标非线性预测焦炭质的方法,对焦化企业生产焦炭的稳定性和焦炭质量的提高可以提供重要技术的保证。
本发明提供的由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法的步骤如下:
一. 建立单种炼焦用煤性质和焦炭质量指标信息数据库
将单种炼焦煤粘结性指标,包括胶质层最大厚度Y值、黏结指数G值等录入到煤资源信息数据库;将单种炼焦煤的煤岩指标,包括煤镜质组全反射率精细段落数据、煤岩显微组成,以及由此可以计算得到的活惰比参数形成的煤质信息输入到煤信息数据库,建立起单种炼焦用煤性质和焦炭质量指标信息数据库;
二. 建立焦炭质量预测模型
根据炼焦单种煤的煤质黏结性指标水平,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标水平,包括镜质组全组分反射率及显微组分的活惰比和配煤比,通过聚类和支持向量机技术来预测配合煤的质量指标,再由配合煤质量指标预测焦炭质量指标,由此形成两个系统,该系统中单种煤预测的主体是焦炭的抗碎强度M40、耐磨强度M10及反应性CRI和反应后强度CSR;
(一)确定配合煤质量指标
由单种煤质量指标预测焦炭质量指标,根据实验焦炉或焦化厂生产焦炉实际使用的单种炼焦煤煤质黏结性指标,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标,包括镜质组全组分反射率及显微组分的活惰比二个因素来预测焦炭的质量,该预测指标体系是采用支持向量机技术,在采用实际检测数据进行计算机运算过程中,根据煤质特性可对单种煤的上述二个黏结性因素及煤岩指标因素采用支持向量机技术进行预测,而对配合煤的黏结性指标水平,包括煤的胶质层最大厚度Y值和粘结指数指标必须进行单种煤质量指标的模糊聚类运算,然后再根据同类单种煤黏结性指标进行加权运算,而后再结合支持向量机技术,训练并预测未来煤质质量指标数据。这样,该预测结果误差才较小。
由炼焦单种煤黏结性指标胶质层最大厚度Y值和黏结指数G值与煤岩指标预测焦炭质量指标中,煤显微组分中,活性组分包括镜质组、半镜质组和稳定组,惰性组分包括惰质组、半镜质组和矿物。其中:
活性组分=镜质组+1/3×半镜质组+稳定组
惰性组分=惰质组+2/3×半镜质组+矿物
活惰比=活性组分/惰性组分
按以下规定进行,
(1) 由单种炼焦煤黏结性指标Y值预测配合煤Y值模型
其中,利用模糊聚类聚六类,n为此配比中单种煤的总数,mi(i=1,2,3,4,5,6)为第i类别中单种煤的数量,
为单种煤的Y值,Pki为第k类中的第i种煤在配合煤中所占的比例,Ki(i=1,2,3,4,5,6)为指定分类中的煤种在此类中的Y值的加权平均值,SvmY为自定义支持向量机函数,
为预测的配合煤的Y值。
(2) 由单种炼焦煤黏结性指标G值预测配合煤G值模型
利用模糊聚类聚六类,其中,n为配比中单种煤的总数,mi(i=1,2,3,4,5,6)为第i类别中单种煤的数量,
为单种煤的G值,Pki为第k类中的第i种煤在配合煤中所占的比例,Ki(i=1,2,3,4,5,6)为指定分类中的煤种在此类中G值的加权平均值,SvmG为自定义支持向量机函数,为预测的配合煤的G值。
(3) 由单种炼焦煤镜质组反射率分布预测配合煤镜质组全反射率平均频数模型
Dj是模型中配合煤镜质组在j点反射率的频数:
其中,DSingl (j=1,2,3…60)为采集的每一个单种煤镜质组在j点反射率分布的频数,是连续性反射率分布值;Pi为第i种单种煤的配比。
(4)由单种炼焦煤活惰比预测配合煤活惰比模型
模型中配合煤的活惰比设为B:
其中,Ai为第i种煤的活性组分,Ii为第i种煤的惰性组分,Pi为第i种煤在配煤方案中所占的百分比。n为配煤方案中的单种煤的总个数。
(二)预测焦炭质量指标
根据实验焦炉炼焦实验或生产焦炉焦炭的检验分析数据与实际煤质检测分析进行比较,对焦炭机械强度和热态性能指标进行预测,并采用支持向量机技术。
支持向量机是基于统计学习理论的结构风险最小化原则,利用最大分界面分类器思想和基于核的方法结合在一起,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,有效地避免“过拟和”,对未来样本有较好的泛化能力。
其中f是域X上的实值函数。其意义为如果预测值与实际值之间的差别小于ε时,则损失等于0,否则为预测值和实际值差的绝对值与之差。
在线性函数集合中寻找一种估计回归函数,f(x)=(w·x)+b w,x∈Rn,b∈R,其中,(x1,y1),…(xm,ym)是独立同分布的数据,b为偏置量。回归估计问题是求参数w和b,使得对于样本以外的输入x,满足|f(x)-(w·x)-b|≤ε,求参数w和b等价于求下式的最小值。
其中C为指定的常数,C>0,用来表示函数f的平滑度和允许误差大于ε的数值之间的折中,主要在提高泛化能力和减小误差之间起调控作用。ε为一正数,需要事先设定,主要是用来控制算法希望达到的精度。
通过把原问题转化为对偶问题来求最优解。根据目标函数和约束条件建立Lagrange函数,则优化问题的对偶形式为
将(5)代入(4)可得其对偶优化问题为:在约束条件(7)下,对求解函数式(6)的最大值。
它对应的KKT回补条件是
求解上述问题后,可得w和待估计函数
利用支持向量机解决非线性问题,首先利用一个非线性映射将训练数据集非线性映射到一个高维特征空间(Hilbert空间),将非线性函数回归问题转化为高维特征空间中的线性函数回归问题。转换的方法是引入如径向基的核函数。
(三)建立焦炭抗碎强度和耐磨强度预测模型
炼焦煤镜质组反射率无论在反射率分布图中处于何位置,无论是连续性反射率分布曲线还是间断类混配煤反射率分布曲线,本发明将参加配煤煤种的镜质组全反射率全部参与该配煤模型及预测焦炭质量指标系统中。从系统中提取到镜质组反射率数据,根据0.05阶的划分,由长焰煤到贫瘦煤阶段,共留有60个数据段,并形成60个因变量。无论是捣固炼焦对煤种适用性宽泛,还是常规顶装煤焦炉用煤特点,对参与配煤的任何一个煤种镜质组反射分布都会落该60个数据段内,并分别用D1, D2…D60来表示。
对焦炭质量的预测模型结构形式构成如下:
M40=SvmM40(D1,D2…D60,Bmix,Gmix,Ymix)
M10=SvmM10(D1,D2…D60,Bmix,Gmix,Ymix)
其中,SvmM40和SvmM10为自定义的支持向量机的预测函数。
(四)建立焦炭反应性CRI和反应后强度CSR预测模型
预测模型结构形式如下:
CRI=SvmCRI(D1,D2…D60,Bmix,Gmix,Ymix)
CSR=SvmCSR(D1,D2…D60,Bmix,Gmix,Ymix)
其中,SvmCRI和SvmCSR为自定义的支持向量机的预测函数。
三. 采用单种炼焦煤的粘结性指标水平,包括胶质层最大厚度Y值、黏结指数G值为二因素,并录入到煤质性质信息数据库;采用单种炼焦煤的煤岩指标水平,包括煤镜质组全反射率精细段落数据、煤岩显微组成计算得到的活惰比参数构成的二因素,由此所形成的配合煤煤质信息数据库;在结合配煤比,采用支持向量基技术来预测焦炭的抗碎强度M40、耐磨强度M10及反应性CRI和反应后强度CSR。
本发明与现有同类技术相比,其显著的有益效果体现在:
1. 本发明方法及所形成的系统具有覆盖炼焦煤影响水平和因素多,涵盖的内在指标参数多等特点。特别具有是预测方法实用,结果精度高等特点。从采用单种炼焦煤对焦炭质量预测选择的因素和预测结果等方面考虑,该方法及系统比采用Vdaf和G值,比G与煤镜质组反射率分6段等都具有明显的优势。预测系统对实验焦炉平台及生产焦炉焦炭质量等具有重要的指导作用。
2. 本发明是基于炼焦煤单种煤黏结性指标水平,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标水平,包括镜质组全组分反射率及显微组分的活惰比构成的二水平四因素方法,同时将参与预测焦炭质量模型的单种煤进行聚类运算,再结合支持向量机技术,对单种煤黏结性指标和煤岩指标构成的煤质数据库所具有的煤质黏结性水平和煤岩水平进行煤岩优化配煤。本发明是以稳定及提高焦炭质量、降低配煤成本为目标的煤岩优化配煤预测焦炭质量系统。
3. 本发明以单种炼焦煤相关煤质黏结性指标水平,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标水平,包括镜质组全反射率及显微组分的活惰比来预测焦炭的冷态强度和热态性能,同时,通过生产焦炉焦炭质量数据或实验焦炉实验数据,采用非线性支持向量机技术建立预测焦炭质量指标的模型,并形成预测模块。随着炼焦煤及焦炭质量数据的不断采集并输入数据库,再通过系统自身训练,即可以完成自动调整预测方程,实现预测焦炭质量模型的优化目的。
4. 本发明是采用炼焦煤在软化过程中表示胶质体数量的胶质层最大厚度Y值与表示胶质体黏结性质量,即黏结能力的G值为二个因素,同时炼焦煤的本征性质是以煤岩指标为基础表达的,因此反映炼焦煤变质程度的有效指标即煤最大镜质组全反射率因素,并结合煤岩显微组分中在结焦过程中能够软化熔融形成胶质体的活性组分与惰性组分的比例,即活惰比因素,该因素对炼焦煤形成焦炭质量具有重要的控制作用。因此上述二水平四因素预测焦炭质量方法,可以实现预测焦炭机械强度和热态性能为目标的预测过程。因此,本发明以煤质黏结性指标水平,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标水平,包括镜质组全组分反射率及显微组分的活惰比二个因素为主体,通过建立炼焦煤预测焦炭质量指标间的支持向量机技术而形成非线性预测模型,实现以炼焦煤煤质黏结性水平和煤岩水平构成的二水平四因素预测焦炭的机械强度M40、M10和热态性能CRI、CSR。该系统可以有效性是能形成煤质质量指标与焦炭质量指标的多参数准确性高的预测模型。同时,该系统具有实时更新或人工干预功能。
附图说明
图1是单种煤黏结性和煤岩指标非线性预测焦炭质量的方法模型系统示意图。
图2是典型炼焦煤反射率分布图。
图3是通过支持向量机利用由单种煤计算的配合煤的煤岩镜质组全组分值、G、Y和活惰比预测的焦炭M40和实测值之间的关系图。
图4是通过支持向量机利用由单种煤计算的配合煤的煤岩镜质组全组分值、G、Y和活惰比预测的焦炭M10和实测值之间的关系图。
图5是通过支持向量机利用由单种煤计算的配合煤的煤岩镜质组全组分值、G、Y和活惰比预测的焦炭CRI和实测值之间的关系图。
图6是通过支持向量机利用由单种煤计算的配合煤的煤岩镜质组全组分值、G、Y和活惰比预测的焦炭CSR和实测值之间的关系图。
具体实施方式:
下面结合附图用实施例更详细描述本发明。
本实施例是以试验焦炉炼焦所得到的单种炼焦煤黏结性指标、煤岩指标及与焦炭的机械强度及热态性能来描述本发明。
本发明是通过支持向量机技术来预测焦炭的指标,将由单种煤黏结性指标,包括胶质层指数和黏结指数二个因素,以及配煤比,煤岩指标,包括镜质组全组分反射率及显微组分的活惰比二个因素,作为输入参数,再将焦炭的机械强度M40、M10和热态性能CRI、CSR作为输出参数,通过对支持向量机的训练,得到输入参数和输出参数的非线性关系。将待预测的由单种煤计算的配合煤的胶质层指数、黏结指数、镜质组全组分反射率及显微组分的活惰比作为输入参数输入到训练好的支持向量机,就可以得到预测的焦炭的机械强度和热态性能指标。
1. 提取数据
根据建立的实验焦炉炼焦数据库,编写程序提取需要的数据,从实验中提取108个有效炼焦配煤方案,通过聚类计算,把同一类的单种煤的胶质层指数、黏结指数进行加权,然后根据实测的配合煤数据,利用支持向量机技术得到计算的配合煤数据,镜质组全组分反射率及活惰比的数据是根据配比进行加权计算得到,焦炭质量指标信息机械强度M40、M10和及热态性能CRI、CSR为实测的焦炭指标。
为了使实验数据具有代表性,每隔7个数据,用其中的前6个作为训练数据,后1个作为测试数据。依次类推,共提取到93组用于训练的数据和15组用于测试的数据。
2. 训练
对于不同的输入参数,为了避免数值较大的奇异样本数据参数对数值较小的参数产生负面影响,产生大数吃小数的现象,对同类参数都采用归一化处理,所谓奇异样本数据指的是相对于其他输入样本特别大或特别小的样本矢量。归一化后,训练时间减少,并避免引起训练无法收敛的现象,归一化方程为:
y = (ymax-ymin)*(x-xmin)/(xmax-xmin) + ymin;
其中:ymax和ymin默认值分别为1和-1,xmax为同一方案的输入参数的最大值,xmin为同一方案的输入参数的最小值。
支持向量机是基于统计学习理论的结构风险最小化原则,利用最大分界面分类器思想和基于核的方法结合在一起,能较好地解决小样本、非线性、高维数和局部极小点等实际问题,有效地避免“过拟和”,对未来样本有较好的泛化能力,
其中f是域X上的实值函数。其意义为如果预测值与实际值之间的差别小于
ε时,则损失等于0,否则为预测值和实际值差的绝对值与之差,在线性函数集合中寻找一种估计回归函数,f(x)=(w·x)+b w,x∈Rn,b∈R,其中,(x1, y1),…(xm, ym)是独立同分布的数据,b为偏置量。回归估计问题是求参数w和b,使得对于样本以外的输入x,满足|f(x)-(w·x)-b|≤ε,求参数w和b等价于求下式的最小值:
其中C为指定的常数,C>0,用来表示函数f的平滑度和允许误差大于ε的数值之间的折中,主要在提高泛化能力和减小误差之间起调控作用。ε为一正数,需要事先设定,主要是用来控制算法希望达到的精度;
通过把原问题转化为对偶问题来求最优解,根据目标函数和约束条件建立Lagrange函数,则优化问题的对偶形式为:
它对应的KKT回补条件是:
求解上述问题后,可得w和待估计函数
利用支持向量机解决非线性问题,首先利用一个非线性映射将训练数据集非线性映射到一个高维特征空间,即Hilbert空间,将非线性函数回归问题转化为高维特征空间中的线性函数回归问题,转换的方法是引入核函数的思想,如径向基函数;
对支持向量机进行训练,求出w和b的矢量值,然后预测数据。
3. 预测
用取得的15组由计算得到的配合煤数据,作为输入参数,通过支持向量机运算,就能得到焦炭的预测值,然后再通过反归一化函数,求出焦炭的实际预测值。
下面将本发明的预测方法与现有几种典型由炼焦煤预测焦炭质量的预测方法作比较,具体方法和计算结果实例比较如下:
1. 利用加权平均预测配合煤的G值
利用加权平均计算的配合煤的G值和实际化验的配合煤的G值的对应关系,G值的平均误差为2.86%。
2. 利用本发明使用的聚类回归方法后预测配合煤的G值
首先将炼焦煤聚类然后再回归,计算的G值的平均误差为2.04%。
3. 通过支持向量机,用煤镜质组全反射率分布、活惰比、G值和Y值预测
通过支持向量机,用煤镜质组全反射率分布、活惰比、G值和Y值预测焦炭M40和M10,预测结果如图3和图4,M40和M10平均误差分别为2.11% 和0.46%。
4. 通过支持向量机,用单种煤镜质组全反射率各阶分布、活惰比、G值和Y值二水平四因素预测焦炭CRI和CSR,预测结果如图5和图6,CRI和CSR平均误差分别为1.59%和2.76%。
从上述预测过程所得到的数据表中,可以看出采用支持向量机技术,结合单种炼焦煤黏结性指标胶质层最大厚度Y值和黏结指数G值,以及煤岩镜质组全反射率与活惰比可以得到较好的预测焦炭质量结果,无论是焦炭M40和M10,还是焦炭在CRI和CSR平均误差值都比较小,能够满足焦炭质量检测分析国标要求,且随着实验焦炉试验数据或生产焦炉焦炭质量数据量的增加,预测结果的精度将进一步减小,更加接近真值。
Claims (1)
1.一种由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法,其特征在于该方法按以下步骤实现:
一. 建立单种炼焦用煤性质和焦炭质量指标信息数据库
将单种炼焦煤粘结性指标,包括胶质层最大厚度Y值、黏结指数G值作为一水平的二个因素,并录入到煤资源信息数据库;将单种炼焦煤的煤岩指标,包括煤镜质组全反射率精细段落数据、煤岩显微组成,以及由此可以计算得到的活惰比参数为一水平的二个因素,并将形成的煤质信息输入到煤信息数据库,建立起单种炼焦用煤性质和焦炭质量指标信息数据库;
二. 建立焦炭质量预测模型
根据炼焦单种煤的煤质黏结性指标水平,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标水平,包括镜质组全组分反射率及显微组分的活惰比二个因素及相应的配煤比,通过聚类和支持向量机技术来预测配合煤的质量指标,再由配合煤质量指标预测焦炭质量指标,由此形成两个系统,该系统中单种煤预测的主体是焦炭的抗碎强度M40、耐磨强度M10及反应性CRI和反应后强度CSR;
(一)确定配合煤质量指标
由单种煤质量指标预测焦炭质量指标,根据实验焦炉或焦化厂生产焦炉实际使用的单种炼焦煤煤质黏结性指标,包括胶质层最大厚度Y值和黏结指数G值二个因素;煤岩指标,包括镜质组全组分反射率及显微组分的活惰比二个因素共构成四个因素来预测焦炭的质量,该预测指标体系是采用支持向量机技术,在采用实际检测数据进行计算机运算过程中,根据煤质特性可对单种煤的上述二个黏结性因素及煤岩指标因素采用支持向量机技术进行预测,而对配合煤的黏结性指标水平,包括煤的胶质层最大厚度Y值和粘结指数指标必须进行单种煤质量指标的模糊聚类运算,然后再根据同类单种煤黏结性指标进行加权运算,而后再结合支持向量机技术,训练并预测未来煤质质量指标数据;
由炼焦单种煤黏结性指标胶质层最大厚度Y值和黏结指数G值与煤岩指标预测焦炭质量指标中,煤显微组分中,活性组分包括镜质组、半镜质组和稳定组,惰性组分包括惰质组、半镜质组和矿物,其中:
活性组分=镜质组+1/3×半镜质组+稳定组
惰性组分=惰质组+2/3×半镜质组+矿物
活惰比=活性组分/惰性组分
按以下规定进行,
(1) 由单种炼焦煤黏结性指标Y值预测配合煤Y值模型
其中,利用模糊聚类聚六类,n为此配比中单种煤的总数,mi(i=1,2,3,4,5,6)为第i类别中单种煤的数量,
为单种煤的Y值,Pki为第k类中的第i种煤在配合煤中所占的比例,Ki(i=1,2,3,4,5,6)为指定分类中的煤种在此类中的Y值的加权平均值,SvmY为自定义支持向量机函数,
为预测的配合煤的Y值;
(2) 由单种炼焦煤黏结性指标G值预测配合煤G值模型
利用模糊聚类聚六类,其中,n为配比中单种煤的总数,mi(i=1,2,3,4,5,6)为第i类别中单种煤的数量,
为单种煤的G值,Pki为第k类中的第i种煤在配合煤中所占的比例,Ki(i=1,2,3,4,5,6)为指定分类中的煤种在此类中G值的加权平均值,SvmG为自定义支持向量机函数,为预测的配合煤的G值;
(3) 由单种炼焦煤镜质组反射率分布预测配合煤镜质组全反射率平均频数模型
Dj是模型中配合煤镜质组在j点反射率的频数:
其中,DSinglej(j=1,2,3…60)为采集的每一个单种煤镜质组在j点反射率分布的频数,是连续性反射率分布值;Pi为第i种单种煤的配比;
(4)由单种炼焦煤活惰比预测配合煤活惰比模型
模型中配合煤的活惰比设为B:
其中,Ai为第i种煤的活性组分,Ii为第i种煤的惰性组分,Pi为第i种煤在配煤方案中所占的百分比,n为配煤方案中的单种煤的总个数;
(二)预测焦炭质量指标
根据实验焦炉炼焦实验或生产焦炉焦炭的检验分析数据与实际煤质检测分析进行比较,对焦炭机械强度和热态性能指标进行预测,并采用支持向量机技术,
其中f是域X上的实值函数,其意义为如果预测值与实际值之间的差别小于ε时,则损失等于0,否则为预测值和实际值差的绝对值与之差,在线性函数集合中寻找一种估计回归函数,f(x)=(w·x)+b w,x∈Rn,b∈R,其中,(x1,y1),…(xm,ym)是独立同分布的数据,b为偏置量,回归估计问题是求参数w和b,使得对于样本以外的输入x,满足|f(x)-(w·x)-b|≤ε,求参数w和b等价于求下式的最小值,
其中C为指定的常数,C>0,用来表示函数f的平滑度和允许误差大于ε的数值之间的折中,主要在提高泛化能力和减小误差之间起调控作用,ε为一正数,需要事先设定,主要是用来控制算法希望达到的精度,通过把原问题转化为对偶问题来求最优解,根据目标函数和约束条件建立Lagrange函数,则优化问题的对偶形式为
它对应的KKT回补条件是
求解上述问题后,可得w和待估计函数
利用支持向量机解决非线性问题,首先利用一个非线性映射将训练数据集非线性映射到一个高维特征空间,即Hilbert空间,将非线性函数回归问题转化为高维特征空间中的线性函数回归问题,转换的方法是引入如径向基的核函数;
(三)建立焦炭抗碎强度和耐磨强度预测模型
将参加配煤单种煤的镜质组全反射率全部参与该配煤模型及预测焦炭质量指标系统中,从系统中提取到镜质组反射率数据,根据0.05阶的划分,由长焰煤到贫瘦煤,再到无烟煤阶段,共留有60个数据段,并形成60个因变量,无论是对捣固炼焦对煤种适用性宽泛性要求,还是常规顶装煤焦炉用煤特点,对参与配煤的任何一个煤种镜质组反射分布都会落到该60个数据段内,并分别用D1, D2…D60来表示,对焦炭质量的预测模型结构形式构成如下:
M40=SvmM40(D1,D2…D60,Bmix,Gmix,Ymix)
M10=SvmM10(D1,D2…D60,Bmix,Gmix,Ymix)
其中,SvmM40和SvmM10为自定义的支持向量机的预测函数;
(四)建立焦炭反应性CRI和反应后强度CSR预测模型
预测模型结构形式如下:
CRI=SvmCRI(D1,D2…D60,Bmix,Gmix,Ymix)
CSR=SvmCSR(D1,D2…D60,Bmix,Gmix,Ymix)
其中,SvmCRI和SvmCSR为自定义的支持向量机的预测函数;
三. 采用单种炼焦煤的粘结性指标水平,包括胶质层最大厚度Y值、黏结指数G值为二因素,并录入到煤质性质信息数据库;采用单种炼焦煤的煤岩指标水平,包括煤镜质组全反射率精细段落数据、煤岩显微组成计算得到的活惰比参数构成的二因素,由此所形成的配合煤煤质信息数据库;在结合配煤比,采用支持向量基技术来预测焦炭的抗碎强度M40、耐磨强度M10及反应性CRI和反应后强度CSR。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210405779.6A CN102890145B (zh) | 2012-10-22 | 2012-10-22 | 由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210405779.6A CN102890145B (zh) | 2012-10-22 | 2012-10-22 | 由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102890145A true CN102890145A (zh) | 2013-01-23 |
CN102890145B CN102890145B (zh) | 2014-11-05 |
Family
ID=47533711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210405779.6A Active CN102890145B (zh) | 2012-10-22 | 2012-10-22 | 由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102890145B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454395A (zh) * | 2013-08-23 | 2013-12-18 | 安阳钢铁股份有限公司 | 煤筒仓模式下焦炭质量预测方法 |
CN103853915A (zh) * | 2014-01-14 | 2014-06-11 | 辽宁科技大学 | 一种由炼焦煤非线性优化配煤预测焦炭质量的方法 |
CN103940973A (zh) * | 2014-05-13 | 2014-07-23 | 济钢集团有限公司 | 一种炼焦煤质量量化评价方法 |
CN104090084A (zh) * | 2014-06-27 | 2014-10-08 | 江苏省沙钢钢铁研究院有限公司 | 一种配合煤镜质组反射率分布的预测方法及应用 |
CN104312607A (zh) * | 2014-11-10 | 2015-01-28 | 武汉钢铁(集团)公司 | 高变质焦煤参与炼焦的配煤方法 |
CN104655818A (zh) * | 2015-02-13 | 2015-05-27 | 武汉钢铁(集团)公司 | 配煤炼焦焦炭抗碎强度的预测方法 |
CN104951849A (zh) * | 2015-06-19 | 2015-09-30 | 武汉钢铁(集团)公司 | 一种焦炭热性能预测方法 |
CN105243437A (zh) * | 2015-09-21 | 2016-01-13 | 武汉科技大学 | 用于捣固炼焦的预测焦炭质量和优化配煤比的方法 |
CN105316017A (zh) * | 2014-06-09 | 2016-02-10 | 鞍钢股份有限公司 | 一种以炼焦用煤镜质组反射率为主要指标的煤岩配煤方法 |
CN106501481A (zh) * | 2015-09-08 | 2017-03-15 | 上海梅山钢铁股份有限公司 | 一种肥煤煤质的评价方法 |
CN108717506A (zh) * | 2018-06-25 | 2018-10-30 | 华北理工大学 | 一种预测焦炭热态强度的方法 |
CN109102035A (zh) * | 2018-09-11 | 2018-12-28 | 辽宁科技大学 | 一种基于聚类分析的炼焦煤多维指标相似性细化分类方法 |
CN109409785A (zh) * | 2018-11-29 | 2019-03-01 | 武汉钢铁有限公司 | 建立不同炼焦煤种间的煤质比较评价模型的方法 |
CN111915077A (zh) * | 2020-07-29 | 2020-11-10 | 华院数据技术(上海)有限公司 | 基于机器学习的配煤炼焦热态预测方法和系统 |
CN113418828A (zh) * | 2021-06-18 | 2021-09-21 | 马鞍山钢铁股份有限公司 | 一种鉴别炼焦煤质量异常的方法 |
CN114662763A (zh) * | 2022-03-24 | 2022-06-24 | 包头钢铁(集团)有限责任公司 | 一种焦化配煤用单种煤性价比评价方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040049632A (ko) * | 2002-12-06 | 2004-06-12 | 주식회사 포스코 | 코크스의 냉간강도 예측방법 |
KR20060074454A (ko) * | 2004-12-27 | 2006-07-03 | 주식회사 포스코 | 코크스 품질의 예측방법 |
CN1831087A (zh) * | 2006-04-07 | 2006-09-13 | 安徽工业大学 | 焦炭热性质预测与控制方法 |
CN101661026A (zh) * | 2008-08-30 | 2010-03-03 | 中钢集团鞍山热能研究院有限公司 | 一种预测焦炭机械强度和热性质的方法 |
-
2012
- 2012-10-22 CN CN201210405779.6A patent/CN102890145B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20040049632A (ko) * | 2002-12-06 | 2004-06-12 | 주식회사 포스코 | 코크스의 냉간강도 예측방법 |
KR20060074454A (ko) * | 2004-12-27 | 2006-07-03 | 주식회사 포스코 | 코크스 품질의 예측방법 |
CN1831087A (zh) * | 2006-04-07 | 2006-09-13 | 安徽工业大学 | 焦炭热性质预测与控制方法 |
CN101661026A (zh) * | 2008-08-30 | 2010-03-03 | 中钢集团鞍山热能研究院有限公司 | 一种预测焦炭机械强度和热性质的方法 |
Non-Patent Citations (5)
Title |
---|
M.A. DIEZ 等: "Coal for metallurgical coke production:predictions of coke quality and future requirenments for cokemaking", 《INTERNATIONAL JOURNAL OF COAL GEOLOGY》 * |
ZHANG QUN 等: "Prediction of coke quality at Baosteel", 《FUEL PROCESSING TECHNOLOGY》 * |
崔庆安等: "基于支持向量机的焦炭质量预测模型", 《化工自动化及仪表》 * |
谢海深等: "焦炭质量预测模型", 《东北大学学报(自然科学版)》 * |
陈启厚: "单种煤结焦性能评价与焦炭质量预测", 《煤化工》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103454395B (zh) * | 2013-08-23 | 2015-08-26 | 安阳钢铁股份有限公司 | 煤筒仓模式下焦炭质量预测方法 |
CN103454395A (zh) * | 2013-08-23 | 2013-12-18 | 安阳钢铁股份有限公司 | 煤筒仓模式下焦炭质量预测方法 |
CN103853915A (zh) * | 2014-01-14 | 2014-06-11 | 辽宁科技大学 | 一种由炼焦煤非线性优化配煤预测焦炭质量的方法 |
CN103940973A (zh) * | 2014-05-13 | 2014-07-23 | 济钢集团有限公司 | 一种炼焦煤质量量化评价方法 |
CN105316017A (zh) * | 2014-06-09 | 2016-02-10 | 鞍钢股份有限公司 | 一种以炼焦用煤镜质组反射率为主要指标的煤岩配煤方法 |
CN105316017B (zh) * | 2014-06-09 | 2017-09-15 | 鞍钢股份有限公司 | 一种以炼焦用煤镜质组反射率为主要指标的煤岩配煤方法 |
CN104090084B (zh) * | 2014-06-27 | 2016-03-09 | 江苏省沙钢钢铁研究院有限公司 | 一种配合煤镜质组反射率分布的预测方法的应用 |
CN104090084A (zh) * | 2014-06-27 | 2014-10-08 | 江苏省沙钢钢铁研究院有限公司 | 一种配合煤镜质组反射率分布的预测方法及应用 |
CN104312607A (zh) * | 2014-11-10 | 2015-01-28 | 武汉钢铁(集团)公司 | 高变质焦煤参与炼焦的配煤方法 |
CN104655818A (zh) * | 2015-02-13 | 2015-05-27 | 武汉钢铁(集团)公司 | 配煤炼焦焦炭抗碎强度的预测方法 |
CN104655818B (zh) * | 2015-02-13 | 2016-04-13 | 武汉钢铁(集团)公司 | 配煤炼焦焦炭抗碎强度的预测方法 |
CN104951849A (zh) * | 2015-06-19 | 2015-09-30 | 武汉钢铁(集团)公司 | 一种焦炭热性能预测方法 |
CN104951849B (zh) * | 2015-06-19 | 2018-03-13 | 武汉钢铁有限公司 | 一种焦炭热性能预测方法 |
CN106501481A (zh) * | 2015-09-08 | 2017-03-15 | 上海梅山钢铁股份有限公司 | 一种肥煤煤质的评价方法 |
CN106501481B (zh) * | 2015-09-08 | 2018-11-23 | 上海梅山钢铁股份有限公司 | 一种肥煤煤质的评价方法 |
CN105243437B (zh) * | 2015-09-21 | 2019-03-26 | 武汉科技大学 | 用于捣固炼焦的预测焦炭质量和优化配煤比的方法 |
CN105243437A (zh) * | 2015-09-21 | 2016-01-13 | 武汉科技大学 | 用于捣固炼焦的预测焦炭质量和优化配煤比的方法 |
CN108717506A (zh) * | 2018-06-25 | 2018-10-30 | 华北理工大学 | 一种预测焦炭热态强度的方法 |
CN108717506B (zh) * | 2018-06-25 | 2022-03-18 | 华北理工大学 | 一种预测焦炭热态强度的方法 |
CN109102035B (zh) * | 2018-09-11 | 2022-03-04 | 辽宁科技大学 | 一种基于聚类分析的炼焦煤多维指标相似性细化分类方法 |
CN109102035A (zh) * | 2018-09-11 | 2018-12-28 | 辽宁科技大学 | 一种基于聚类分析的炼焦煤多维指标相似性细化分类方法 |
CN109409785A (zh) * | 2018-11-29 | 2019-03-01 | 武汉钢铁有限公司 | 建立不同炼焦煤种间的煤质比较评价模型的方法 |
CN109409785B (zh) * | 2018-11-29 | 2021-09-10 | 武汉钢铁有限公司 | 建立不同炼焦煤种间的煤质比较评价模型的方法 |
CN111915077A (zh) * | 2020-07-29 | 2020-11-10 | 华院数据技术(上海)有限公司 | 基于机器学习的配煤炼焦热态预测方法和系统 |
CN111915077B (zh) * | 2020-07-29 | 2021-11-09 | 华院计算技术(上海)股份有限公司 | 基于机器学习的配煤炼焦热态预测方法和系统 |
CN113418828A (zh) * | 2021-06-18 | 2021-09-21 | 马鞍山钢铁股份有限公司 | 一种鉴别炼焦煤质量异常的方法 |
CN114662763A (zh) * | 2022-03-24 | 2022-06-24 | 包头钢铁(集团)有限责任公司 | 一种焦化配煤用单种煤性价比评价方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN102890145B (zh) | 2014-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102890145B (zh) | 由单种煤黏结性和煤岩指标非线性预测焦炭质量的方法 | |
CN102890144B (zh) | 煤岩镜质组全反射率非线性优化配煤预测焦炭质量的方法 | |
CN103853915A (zh) | 一种由炼焦煤非线性优化配煤预测焦炭质量的方法 | |
Song et al. | Rotten parents and disciplined children: A politico‐economic theory of public expenditure and debt | |
Wang et al. | How to achieve the 2020 and 2030 emissions targets of China: Evidence from high, mid and low energy-consumption industrial sub-sectors | |
Moroney et al. | An integrated model of oil production | |
Xue et al. | Impacts of industrial structure adjustment, upgrade and coordination on energy efficiency: Empirical research based on the extended STIRPAT model | |
CN105243437B (zh) | 用于捣固炼焦的预测焦炭质量和优化配煤比的方法 | |
CN108846526A (zh) | 一种二氧化碳排放量预测方法 | |
CN104915518A (zh) | 一种高炉铁水硅含量二维预报模型的构建方法及应用 | |
Yuan et al. | Modeling and optimization of coal blending and coking costs using coal petrography | |
CN108875118A (zh) | 一种高炉铁水硅含量预测模型准确度评价方法和设备 | |
CN108876094A (zh) | 一种清洁能源接入的电网运行综合评价方法 | |
Xie et al. | The time-varying relationship between CO2 emissions, heterogeneous energy consumption, and economic growth in China | |
CN113836786A (zh) | 一种结合焦炉加热制度参数的智能冶金焦炭预测方法 | |
Lu et al. | A study on the fuzzy evaluation system of carbon dioxide flooding technology | |
Gao et al. | Does energy transition help narrow the urban-rural income gap? Evidence from China | |
CN113393051B (zh) | 基于深度迁移学习的配电网投资决策方法 | |
Xiong et al. | An analysis of forecasting model of crude oil demand based on cointegration and vector error correction model (VEC) | |
Dong et al. | How Carbon Emission Quotas Can be Allocated Fairly and Efficiently among Different Industrial Sectors: The Case of Chinese Industry. | |
Li et al. | The Potential of Electrifying China's Energy Use: an Analysis Based on STIRPAT Model. | |
Zhai | Machine‐Learning‐Based Road Soft Soil Foundation Treatment and Settlement Prediction Method | |
Chen et al. | The Application of Adaptive Generalized NGBM (1, 1) To Sales Forecasting: A Case Study of an Underwear Shop. | |
Wang et al. | Construction and empirical analysis of agricultural science and technology enterprises investment risk evaluation index system | |
Li et al. | Study on urbanization process evaluation and provincial comparison |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |