基于SVR与特征变量选择方法的煤炭发热量预测

目前应用较多的煤炭发热量预测模型主要以传统的线性回归模型为主，且大多以灰分、挥发分、固定碳等工业分析数据为主，而较少考虑元素分析指标对发热量预测效果的影响。因此，此类方法存在对煤的发热量预测精度低、适用范围窄的缺陷。本文基于我国不同地域的60组煤质分析样本，同时考虑工业分析和元素分析指标对发热量的影响，采用平均影响值法(Mean Impact Value，MIV)和粒子群算法(Particle Swarm Optimization，PSO)相结合的方法，对影响煤炭发热量的指标进行特征变量筛选，并结合支持向量回归方法(Support Vector Regression，SVR)对煤炭发热量进行非