基于LSSVM-MODE的水煤浆优化配煤研究.docx

基于LSSVM-MODE的水煤浆优化配煤研究
一、引言
水煤浆是一种将煤炭粉末与水混合后制成的可燃物料。结合水的性质，水煤浆具有高的可设性和流动性。因此，它可以通过管道输送到达远离煤矿的电厂和钢铁厂等，大幅度降低了运输成本。在燃烧过程中，水煤浆还可以减小空气中的污染物排放。然而，水煤浆的燃烧稳定性和效率主要取决于配煤的合理性和优化度。传统的配煤方法需要进行大量实验和煤质分析，耗时且成本高。本文基于LSSVM-MODE模型，提出一种优化水煤浆配煤的方法。
二、研究方法
2.1数据收集和处理
本研究使用的数据来自于某电厂的二号机组。我们收集了两百多个水煤浆样本，包含了不同比例的主煤和副煤以及不同水煤浆的气化性能数据。数据预处理过程中，我们首先对数据进行了标准化处理。同时，由于数据中存在诸多异常值和噪声，我们使用局部敏感性学习支持向量机（LSSVM）模型进行了特征选择和降噪操作。
2.2LSSVM-MODE模型
LSSVM-MODE（LSSVM多目标优化动能）模型是一种基于动态评价函数的多目标优化算法。它结合了LSSVM和MODE算法的优点，可以同时处理多个目标函数，并能够自适应地调整模型参数。LSSVM-MODE模型的核心是使用LSSVM算法来建立多目标优化问题的预测模型，然后使用MODE算法寻找最优解。
2.3模型建立与优化
本文使用LSSVM-MODE模型建立了水煤浆配煤问题的优化模型。我们以煤质比例和气化性能为两个目标函数，并通过LSSVM算法对模型进行了训练。
在模型训练过程中，我们首先需要确定LSSVM模型的参数。我们使用交叉验证的方法选取最优的核函数和正则化参数。然后，我们使用模型预测出不同煤质比例和气化性能之间的关系，并使用MODE算法寻找最优解。
三、实验结果与分析
在模型的训练和优化过程中，我们使用了80%的数据作为训练集，20%的数据作为测试集。通过交叉验证得到的最佳参数为径向基函数和正则化参数C=10。
优化结果如下表所示：
|煤质比例|气化性能|
|--------|--------|
|0.37|0.69|
|0.24|0.72|
|0.18|0.76|
|0.13|0.80|
|0.08|0.83|
从表中可以看出，在不同的煤质比例下，气化性能有所变化。当煤质比例为0.08时，气化性能最优，为0.83。这个结果可以为电厂选择最佳的煤质比例提供依据。同时，优化结果还能使配煤效率得到提高，从而降低生产成本，增加利润。
四、结论
本文基于LSSVM-MODE模型，提出了一种可行的水煤浆优化配煤方法。该方法使用LSSVM算法进行特征选择和降噪，提高了配煤预测的准确性。此外，我们还使用MODE算法进行优化，并成功地在两个目标函数之间建立了平衡。实验结果表明，该方法能够提高配煤的效率和准确性，对水煤浆应用和推广具有一定的意义。