[發明專利]一種基于Elman神經網絡模型的秸稈熱值預測方法

在審

• 申請號: 201710388891.6
• 申請日: 2017-05-25
• 公開（公告）號: CN107291994A
• 公開（公告）日: 2017-10-24
• 發明（設計）人: 杜宇航;楊俊紅;崔旭陽;雷萬寧;黃濤;高琳;賈晨;鄧磊
• 申請（專利權）人: 天津大學;陜西啟迪瑞行清潔能源科技有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/04;G06N3/08
• 代理公司: 天津市北洋有限責任專利代理事務所12201
• 代理人: 劉子文

技術領域

本發明涉及秸稈熱值的預測方法，具體的說，是涉及一種基于Elman神經網絡模型的秸稈熱值預測方法。

背景技術

生物質致密成型技術是把農林廢棄物加工再利用、解決生物質資源浪費和污染問題的一種重要技術手段^[1-2]，我國《能源發展“十三五”規劃》中明確指出生物質致密成型技術是生物質能源利用的重要方式。我國作為農業大國，生物質資源十分豐富，秸稈作為重要的成型原料，每年農作物秸稈產量大約在7億t，折合標準煤約為3.5億t^[3]。

直接測定生物質熱值常采用氧彈法^[4]，但這種測量方法的儀器昂貴，操作步驟繁瑣^[5]。研究表明，熱值與纖維素、木質素含量有密切聯系^[6]。鑒于此，岳建芝^[6]等通過通過回歸分析計算了不同玉米秸稈的熱值，并得出了相應的回歸方程用于預測玉米秸稈的熱值。程旭云等基于工業分析指標，利用主成分回歸方法建立了生物質秸稈的熱值預測模型。模型可以較準確地預測生物質秸稈熱值。^[7]但秸稈成分與熱值并不是呈單純的線性關系，且這些公式泛化能力有限。

因此，有必要尋找有效的方法對其進行準確預測。Elman神經網絡是一種有局部反饋的神經網絡，該網絡對歷史數據具有敏感性，增加了處理動態信息的能力，并且逼近能力優于一般的靜態網絡，收斂速度快，較好的克服了BPNN的訓練時間長及運算符復雜高的缺點。^[8-9]周孑民等通過Elman神經網絡模型確定煤的成分和煤的熱值之間的非線性映射關系，證明Elman神經元網絡模型具有較高的準確度和可信度。^[10]

參考文獻：

[1]Fraga A.C haracterizat ion of biomass pyrolysis tarsproduced in the relative absence of extraparticle second ary react ions[J].Fuel，1991，70：803－809.

[2]Ayhan Demirbas.Combustion characteristics of different biomass fuels[J].Progress in Energy and Combustion Science，2004，30(2)：219—230.

[3]日本能源學會.生物質和生物質能源手冊[K].史仲平，華兆哲，譯.北京：化學工業出版社，2006：123—126.

[4]Kralik D,et al.The potential usage of duckweed biomass(Lemna minor)for biogas production.[J].Krmiva,2015,90(1):109-13.

[5]物理化學實驗[M].高等教育出版社,高職高專化學教材編寫組編,2002

[6]岳建芝,張杰,徐桂轉,等.玉米秸稈主要成分及熱值的測定與分析[J].河南農業科學,2006,35(9):30-32.

[7]程旭云,牛智有,晏紅梅,等.基于工業分析指標的生物質秸稈熱值模型構建[J].農業工程學報,2013,29(11):196-202.

[8]丁碩；巫慶輝；；基于改進BP神經網絡的函數逼近性能對比研究[J]；計算機與現代化；2012年11期

[9]Jin X,Shao J,Zhang X,et al.Modeling of nonlinear system based on deep learning framework[J].Nonlinear Dynamics,2015,84(3):1327-1340.

[10]周孑民,朱再興,劉艷軍,等.基于Elman神經網絡的動力配煤發熱量及著火溫度的預測[J].中南大學學報自然科學版,2011,42(12):3871-3875.

發明內容

本發明的目的在于針對現有熱值的預測方法精度不高，結構不合理，泛化能力不夠強等問題，提供了一種基于Elman神經網絡模型的秸稈熱值預測方法，以達到預測精度高，泛化能力好，可靠性高的目的。

本發明的目的是通過以下技術方案實現的：

一種基于Elman神經網絡模型的秸稈熱值預測方法，包括以下步驟：