基于ISSA-WOA-BP神经网络的煤发热量预测模型研究Study on Coal Calorific Value Prediction Model Based on ISSA-WOA-BP Neural Network
张滕滕
摘要(Abstract)：
现有煤发热量预测模型多依赖单一算法与有限指标，难以兼顾全局寻优与局部拟合精度。为此，提出一种融合改进麻雀算法（ISSA）与鲸鱼算法（WOA）协同优化BP神经网络的混合模型（ISSA-WOA-BP）。该模型通过“全局粗调-局部精修”机制，先以ISSA提升全局搜索能力，再经WOA精细调参，有效避免BP网络陷入局部极小值。基于山西王家岭矿75组煤样数据进行实验，结果表明，ISSA-WOA-BP模型的测试集MAE、MAPE、RMSE和R~2分别为0.544 6 MJ/kg、2.20%、0.669 9 MJ/kg和0.975 9，精度显著优于对比模型。该方法为煤发热量高精度预测提供了新途径，有助于煤炭高效利用与智能检测。
关键词(KeyWords)： 发热量;ISSA-WOA-BP;工业分析;元素分析
基金项目(Foundation): 国家自然科学基金项目(52525401),国家自然科学基金项目(U21A20107);; 山西省基础研究计划面上项目(202203021211156)
作者(Author): 张滕滕
参考文献(References)：
- [1]陈华，王举龙.巴伦诺尔一矿煤发热量的综合预测[J].煤炭科学技术，2012,40(3):67-70.
- [2]姜英，涂华，陈亚飞，等.我国商品褐煤低位发热量回归式的推导[J].煤炭学报，2004,29(4):477-480.
- [3]周翠红，路迈西.线性回归与人工神经网络预测煤炭发热量[J].煤炭科学技术，2009,37(12):117-120.
- [4]苏伟，陈刚.应用人工神经网络方法处理电厂入厂煤煤质分析数据[J].热力发电，2000,29(4):9-11,15.
- [5]周孑民，朱再兴，刘艳军，等.基于Elman神经网络的动力配煤发热量及着火温度的预测[J].中南大学学报（自然科学版），2011,42(12):3871-3875.
- [6]李颖，周俊虎. BP神经网络在优化配煤预测模型中的研究[J].煤炭转化，2002,25(2):79-85.
- [7]于海华，臧靖时，张国生.应用径向基函数网络预测煤发热量[J].黑龙江大学自然科学学报，2003,20(1):71-74,77.
- [8]王晓红，吴德会.一种燃煤发热量的综合预测方法[J].煤炭科学技术，2006,34(6):16-18.
- [9] FENG Q, ZHANG J, ZHANG X, et al. Proximate analysis based prediction of gross calorific value of coals:A comparison of support vector machine, alternating conditional expectation and artificial neural network[J]. Fuel Processing Technology, 2015, 129:120-129.
- [10] DONG B, CAO C, LEE S E. Applying support vector machines to predict building energy consumption in tropical region[J]. Energy and Buildings, 2005, 37(5):545-553.
- [11] LI Q, MENG Q, CAI J, et al.Predicting hourly cooling load in the building:A comparison of support vector machine and different artificial neural networks[J]. Energy Conversion and Management,2009, 50(1):90-96.
- [12] NGUYEN H, BUI H B, BUI X N. Rapid determination of gross calorific value of coal using artificial neural network and particle swarm optimization[J]. Natural Resources Research, 2021, 30:621-638.
- [13] LU Z, MO J, YAO S, et al. Rapid determination of the gross calorific value of coal using laser-induced breakdown spectroscopy[J].Energy&Fuels, 2017, 31(4):3849-3855.
- [14]张青春，郭振久，姚胜，等.基于麻雀搜索和模糊学习策略的车位预测方法[J].中国测试，2022,48(11):101-105.
- [15]颜磊，王国兵，翁旭峰，等.基于改进WOA-BP神经网络的电气火灾预警算法[J].电子设计工程，2025,33(1):21-26.
- [16]李帅辰，武建锋.基于智能优化算法及其优化BP神经网络的室内定位[J].科学技术与工程，2024,24(20):8568-8576.
- [17]薛建凯，张胜飞，李继强.一种新的趋优仿生算法：麻雀搜索算法[J].系统工程理论与实践，2020,40(6):1165-1179.
- [18] MIRJALILI S, LEWIS A. The whale optimization algorithm[J].Advances in Engineering Software, 2016, 95:51-67.