首页> 中文学位 >基于人工神经网络的煤种聚类分析研究
【6h】

基于人工神经网络的煤种聚类分析研究

代理获取

目录

文摘

英文文摘

声明

第一章绪论

1.1课题研究的意义

1.2国内外研究的现状

1.2.1聚类分析的研究现状

1.2.2神经网络的研究现状

1.3本文研究内容及研究方法

1.3.1研究内容

1.3.2研究方法

1.4本章小结

第二章煤炭分类的神经网络模型

2.1人工神经网络历史回顾

2.2人工神经网络的基本结构和计算原理

2.2.1 ANN的构成

2.2.2用有向图表示神经网络

2.2.3网络结构及工作方式

2.2.4ANN的学习

2.3 BP神经网络基本原理

1.4本章小结

第三章煤炭分类的依据

3.1有关标准及规程

3.2分类参数

3.3煤类的划分和编码

3.4符号

3.4.1分类指标用下列符号表示

3.4.2各类煤的名称可用下列汉语拼音字母为代号表示:

3.5采样和制样

3.6分析方法

3.7本章小结

第四章煤的工业分析参数的测定方法

4.1发热量的测定

4.1.1单位和定义

4.1.2原理

4.1.3试验室条件

4.1.4试剂和材料

4.1.5仪器设备

4.1.6测定步骤

4.1.7测定结果的计算

4.2灰分的测定

4.2.1方法提要

4.2.2仪器、设备

4.2.3分析步骤

4.2.4结果的计算

4.3挥发分的测定

4.3.1方法提要

4.3.2仪器、设备

4.3.3分析步骤

4.3.4焦渣特征分类

4.3.5结果的计算

4.3.6挥发分测定的精密度

4.3.7空气干燥基挥发分换算成干燥无灰基挥发分

4.4硫分的测定

4.4.1方法提要

4.4.2试剂和材料

4.4.3仪器设备

4.4.4试验步骤

4.4.5结果计算

4.5本章小结

第五章实验数据处理及分析

5.1实验数据

5.2数据处理

5.2.1本文采用的数据处理模型

5.2.2利用Matlab实现模型

5.3数据处理结果及分析

5.4本章小结

结论

参考文献

攻读硕士学位期间取得的研究成果

致谢

评定意见

展开▼

摘要

本文首次提出了采用人工神经网络对煤样所属煤种进行快速分类的思路。采用通过对试验煤样的发热量、灰分、挥发分、硫分四项参数以及其所属煤种进行检测得出实验数据。在实验数据中随机抽选出一大部分做为训练样本对通过专业数学软件matlab设计出的反向传播网络(Back.Propagation Network)进行训练,当网络的某些性能指标达到预设值时停止训练。将剩余实验数据中的发热量、灰分、挥发分、硫分输入训练后的反向传播网络,此时反向传播网络对输入值计算后输出结果对剩余煤样进行分类的试验方法。本文的试验结果表明反向传播网络网络可以做为通过工业参数分析煤样所属煤种的工具使用,在本文所选的煤样范围内选取发热量、灰分、挥发分、硫分四项参数做为判断煤样所属种类的依据是正确的,采用更多的训练样本对反向传播网络进行训练可以得到更为精确的分类结果。这也表明,累积更多不同煤种煤样的实验数据对反向传播网络进行训练可以使训练后的反向传播网络能够对更多不同种类的煤样进行分类。本文所提出的思路与方法也可能成为对煤样所属煤种进行快速分类的一种新的解决途径。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号