PDF《基于数据融合 IGA鄄RGRNN 低阶煤制甲烷 产量预测模型》

总第

75 期电源学报收稿日期:2015鄄12鄄31;

修回日期:2016鄄08鄄28 基金项目:国家自然科学基金资助项目(51177067) Project Supported by National Natural Science Foundation of China(51177067) 能源是经济建设与发展的基础,燃料作为现今 能源的重要组成部分,其深入研究和合理运用一直 是重中之重.

天然气具有清洁干净,使用方便、燃效 高、价格低的优势,是人民生活中使用的主要燃气 资源. 近年来国家实施能源多元化战略,提倡开发 和使用规模化制甲烷技术,最大限度地使用低质或 劣质燃料制甲烷,因此利用低阶煤生产甲烷项目得 到了广泛的关注[1~2] . 在低阶煤制甲烷过程中影响甲 烷产出量的因素较多,使系统具有随机性和极强的 不稳定性.广义旋转回归神经网络 RGRNN(rotated generalized regression neural network)拥有处理非线 性随机变量的超强性能, 可在低阶煤制甲烷产量预 测过程中发挥极大的潜力[3~4] . 改进遗传算法 IGA(im鄄proved genetic algorithm)具收敛速率高、布局简单等 DOI:10.13234/j.issn.2095-2805.2018.1.178 中图分类号:TP181 文献标志码:A 基于数据融合 IGA鄄RGRNN 低阶煤制甲烷 产量预测模型 荣德生,胡举爽,赵君君,杨学鹏 (辽宁工程技术大学电气与控制工程学院,葫芦岛 125105) 摘要:为了提高智能系统的准确性与快速性,针对多传感器网络,提出了一种以融合技术为数据基础与改进遗 传算法鄄广义旋转回归神经网络 IGA鄄RGRNN(improved genetic algorithm and rotated generalized regression neural ne鄄twork)算法相结合的预测模型. 利用 RGRNN 强大的非线性随机变量的处理能力,把预测理论引入改进遗传算法循 环中,将该模型应用于低阶煤制甲烷产量预测过程,并对预测模型效果进行实验验证. 实验结果表明,基于数据融 合IGA鄄RGRNN 低阶煤制甲烷产量预测模型的相对误差最大值为 2.99%,相对误差最小值为 0.25%,相对误差平均 值为 1.76%,相较其他预测模型具有泛化能力更强和预测精度更高的优势,为低阶煤制甲烷产量预测提供一种新 的途径. 关键词:广义旋转回归神经网络;

改进遗传算法;

数据融合;

甲烷产量;

预测模型 Prediction Model of Methane Yield from Low鄄rank Coal Based on Data Fusion and IGA鄄RGRNN Algorithm RONG Desheng, HU Jushuang, ZHAO Junjun, YANG Xuepeng (Faculty of Electrical and Control Engineering, Liaoning Technical University, Huludao 125105, China) Abstract: To improve the accuracy and rapidity of intelligent systems, a prediction model based on data fusion and combined with improved genetic algorithm and rotated generalized regression neural network(IGA鄄RGRNN) was propos鄄ed for multi鄄sensor network. By taking advantage of RGRNN'

s strong processing capability to handle nonlinear random variables, prediction theory was introduced to the iterations of IGA. The proposed model was applied to the prediction process of methane yield from low鄄rank coal, and the prediction effect was verified by experiments. Experimental results show that the maximum, minimum, and average relative errors of the prediction model based on data fusion and IGA鄄RGRNN were 2.99%, 0.25%, and 1.76%, respectively. Compared with other prediction models, the proposed model has advantages of stronger generalization capability and higher prediction accuracy, thus it can provide a new approach for the prediction of methane yield from low鄄rank coal. Keywords: rotated generalized regression neural network(RGRNN);