[发明专利]基于灰色关联分析和多元线性回归模型对煤炭热值的预测方法

摘要

本发明公开了一种基于灰色关联分析法建立多元线性回归模型，从而实现对煤炭热值预测的方法，该方法通过将水分、灰分、挥发分、胶质层最大厚度、碳氧原子比五个指标与煤炭热值进行相关性分析，找出与煤炭热值相关的主要影响因子并建立多元线性回归模型，从而对煤炭的热值进行预测。本发明方法是采用灰色系统理论中的关联分析方法，对影响煤炭热值的五个因素进行分析，从中挑选出影响煤炭热值的主要因子，建立煤炭热值与主要影响因子之间的多元线性回归预测模型，本发明煤炭热值预测方法简单可行，预测精度较高，预测的相对误差不超过土8％。

主权项

基于灰色关联分析和多元线性回归模型对煤炭热值的预测方法，其特征在于：具体包括如下步骤：步骤1，获取煤炭的热值信息以及影响煤炭热值的参数信息，建立各相关指标的原始数据序列y和x_i：$\left\{\begin{array}{c}y=\left(y\right(1),y(2),...,y(k),...)\\ x_i=\left(x_i\right(1),x_i(2),...,x_i(k),...)\end{array}\right.;$其中，y(k)表示煤炭热值的第k个原始数据，x_i(k)表示i因素的第k个原始数据，k为除0以外的任意自然数；步骤2，对步骤1的原始数据进行无量纲处理，得到初值化变换序列y^*和$\left\{\begin{array}{c}{y}^{*}=\left(y\left(1\right)/\stackrel{\‾}{y},y\left(2\right)/\stackrel{\‾}{y},...,y\left(k\right)/\stackrel{\‾}{y},...\right)=\left(y^{*}\left(1\right),y^{*}\left(2\right),...,y^{*}\left(k\right),...\right)\\ x_i^{*}\left(k\right)=\left(x_i\left(1\right)/{\stackrel{\‾}{x}}_i,x_i\left(2\right)/{\stackrel{\‾}{x}}_i,...,x_i\left(k\right)/{\stackrel{\‾}{x}}_i,...\right)=\left(x_i^{*}\left(1\right),x_i^{*}\left(2\right),...,x_i^{*}\left(k\right),...\right)\end{array}\right.;$其中，${\stackrel{\‾}{x}}_i=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}{x}_i\left(k\right),\stackrel{\‾}{y}=\frac{1}{n}\underset{k=1}{\overset{n}{\Σ}}y\left(k\right);$步骤3，根据步骤2的初值化变换序列得到差值序列Δ_i：${\mathrm{\Δ}}_i=\left(\right|y^{*}\left(1\right)-x_i^{*}\left(1\right)|,|y^{*}\left(2\right)-x_i^{*}\left(2\right)|,...,|y^{*}\left(k\right)-x_i^{*}\left(k\right)|,...)=\left({\mathrm{\Δ}}_i\right(1),{\mathrm{\Δ}}_i(2),...,{\mathrm{\Δ}}_i(k),...);$步骤4，计算关联系数ξ_i(k)与灰色关联度γ_i；步骤5，对步骤4计算得到的灰色关联度γ_i进行降序排列，选取前m个灰色关联度对应的影响因子作为自变量，煤炭的热值作为因变量，占总数据长度60％‑75％数目数据作训练样本，其余作测试样本，其中，m根据实际的要求确定；步骤6，建立多元回归方程：y＝a₁×x₁+a₂×x₂+…a_m×x_m+b；其中，y表示步骤5中的因变量，x₁、x₂…x_m表示步骤5中的自变量，a₁、a₂…a_m，b表示模型待定系数；步骤7，求解模型待定系数，根据相对误差和相关系数对模型进行综合判断，若模型满足实际要求，则输出此时的预测模型；若模型不满足实际要求，则调整自变量个数或训练样本的长度，重复步骤6～步骤7的操作。