[發明專利]基于BP人工神經網絡算法的生物質熱值估算方法

在審

• 申請號: 201610837661.9
• 申請日: 2016-09-21
• 公開（公告）號: CN106650927A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 許巖韋;王進;黃明生;劉玉坤;蔡旭;方楊;劉洋
• 申請（專利權）人: 光大環保（中國）有限公司;光大環境科技（中國）有限公司;光大環保技術研究院（深圳）有限公司;光大環保技術裝備（常州）有限公司
• 主分類號: G06N3/08
• 分類號: G06N3/08
• 代理公司: 北京市磐華律師事務所11336
• 代理人: 董巍,高偉

技術領域

本發明涉及垃圾焚燒領域，具體而言涉及一種基于BP人工神經網絡算法的生物質熱值估算方法。

背景技術

生物質熱值是設計生物質直燃鍋爐或生物質氣化爐中非常重要的參數之一。目前采用GB/T 30727-2014固體生物質燃料發熱量測定方法測量生物質熱值，測量方式較為復雜，并且不同的生物質熱值相差較大。因此，通常采用估算的方法獲取設計生物質直燃鍋爐或生物質氣化爐所需的生物質熱值。

現有的生物質熱值估算方法大多采用簡單線性模型，如Milne估算公式，或是直接套用煤粉熱值的估算方式。這種簡單的線性模型具有如下缺點：(1)需要的基礎參數較多，均需要完全使用生物質的元素分析結果及工業分析結果；(2)偏差較大，由于采用線性模型進行估算，不能很好地反映出各化學成分變動對熱值的影響，如纖維素、木質素、半纖維素等；(3)部分估算方法還涉及到模型參數的選取，帶有一定的人為因素。

因此，需要提出一種方法，以解決上述問題。

發明內容

針對現有技術的不足，本發明提供一種基于BP人工神經網絡算法的生物質熱值估算方法，所述生物質熱值估算方法包括：

執行步驟a)，讀入生物質基礎數據庫讀取數據；

執行步驟b)，給定所述神經網絡中的隱藏層的神經節點數；

執行步驟c)，給定連接所述神經網絡中的輸入層與隱藏層的權重系數；

執行步驟d)，使用所述權重系數對已知生物質的熱值進行估算，得到預測結果；

執行步驟e)，計算所述預測結果與測量結果的偏差；

當所述偏差小于5％時，執行步驟f)，記錄保存當前權重系數；

執行步驟g)，根據最終選取的神經節點數與權重系數，估算未知生物質的熱值。

在一個示例中，如果所述偏差不小于5％，則執行步驟h)，利用執行所述步驟d)得到的預測結果修正所述步驟c)中給定的權重系數，并返回到所述步驟d)，使用所述經過修正的權重系數對已知生物質的熱值重新進行估算。

在一個示例中，如果進行若干次所述修正估算后所述偏差仍不小于5％，則執行步驟i)，增加所述神經節點數后返回到所述步驟c)，重新給定連接所述輸入層與所述隱藏層的權重系數,再依次執行所述步驟d)和所述步驟e)，直至所述偏差小于5％。

在一個示例中，所述生物質基礎數據庫中的數據包括已知生物質元素分析、工業分析數據及熱值。

在一個示例中，所述BP人工神經網絡為三層神經網絡，包括所述輸入層、所述隱藏層和輸出層，所述輸入層表示生物質的元素分析、工業分析，所述輸出層為生物質熱值，所述隱藏層中的神經節點數在所述估算過程中動態決定。

在一個示例中，執行所述步驟g)得到的生物質熱值作為設計生物質直燃鍋爐或生物質氣化爐的參數。

根據本發明，使用BP人工神經網絡的方式對生物質熱值進行估算，可以做到在保證一定精度的情況下減少需要的基礎參數，并同時減少估算誤差，模型系數均采用反向誤差傳遞的方式進行修正，使估算結果最為貼近測量結果。

附圖說明

本發明的下列附圖在此作為本發明的一部分用于理解本發明。附圖中示出了本發明的實施例及其描述，用來解釋本發明的原理。

附圖中：

圖1為人工神經網絡的示意圖；

圖2為根據本發明示例性實施例的方法估算生物質熱值的步驟的流程圖；

圖3為現有的生物質氣化爐的示意性剖面圖。

具體實施方式

在下文的描述中，給出了大量具體的細節以便提供對本發明更為徹底的理解。然而，對于本領域技術人員而言顯而易見的是，本發明可以無需一個或多個這些細節而得以實施。在其他的例子中，為了避免與本發明發生混淆，對于本領域公知的一些技術特征未進行描述。

為了徹底了解本發明，將在下列的描述中提出詳細的方法步驟和/或結構。顯然，本發明的施行并不限定于本領域的技術人員所熟悉的特殊細節。本發明的較佳實施例詳細描述如下，然而除了這些詳細描述外，本發明還可以具有其他實施方式。

應當理解的是，本發明能夠以不同形式實施，而不應當解釋為局限于這里提出的實施例。相反地，提供這些實施例將使公開徹底和完全，并且將本發明的范圍完全地傳遞給本領域技術人員。在附圖中，為了清楚，層和區的尺寸以及相對尺寸可能被夸大。自始至終相同附圖標記表示相同的元件。