人工神经网络与煤发热量的测量
|
摘要
人工神经网络是对生理学上人类大脑神经网络的结构、功能以及若干基本特性的某种理论抽象、简化和模拟而构成的一种信息系统。神经网络从两方面获得它的计算能力，一是大规模并行分布式结构。二是学习以及由此产生的推广能力。
煤质快速分析仪采用γ射线、电容、压力和温度传感器来测量煤样的灰分、水分、密度和温度计数值，通过PC-7606数据采集卡把四路计数值传入计算机。本文的目的在于利用人工神经网络建立发热量与各计数值之间的模型，快速准确地计算发热量。
根据这一需要，本文建立了三层神经网络，第一层起分类作用，采用基于记忆学习算法，第二、三层采用误差反馈学习算法。最后本文还对该模型进行了检验，证明该模型是合理的。
Artificial neural network is a information system that is established by theoretically abstracting, simplifying and simulating the structure, function and some fundamental properties of human brain neural networks. A neural network derives its computing power through, first, its massively parallel distributed structure and, second, its ability to learn and therefore generalize.
The coal quality analysis apparatus measures the count value of ash, water, density and temperature of coal sample with the y-ray sensor, capacitance sensor, pressure sensor and temperature sensor respectively, and inputs the four count values to the computer by pc-7606 data collection chip. The goal of this paper is establish the model of calorific value of coal and the count values to forecast the value quickly and exactly.
To achieve this goal, this paper design a neural network with three layers in which the first layer play a classifier role and learn with the memory-based learning algorithm while the second and third layers learn with the error back-propagation algorithm. Finally, this paper generalize the model and testify that the model is rational.
煤质快速分析仪采用γ射线、电容、压力和温度传感器来测量煤样的灰分、水分、密度和温度计数值，通过PC-7606数据采集卡把四路计数值传入计算机。本文的目的在于利用人工神经网络建立发热量与各计数值之间的模型，快速准确地计算发热量。
根据这一需要，本文建立了三层神经网络，第一层起分类作用，采用基于记忆学习算法，第二、三层采用误差反馈学习算法。最后本文还对该模型进行了检验，证明该模型是合理的。
Artificial neural network is a information system that is established by theoretically abstracting, simplifying and simulating the structure, function and some fundamental properties of human brain neural networks. A neural network derives its computing power through, first, its massively parallel distributed structure and, second, its ability to learn and therefore generalize.
The coal quality analysis apparatus measures the count value of ash, water, density and temperature of coal sample with the y-ray sensor, capacitance sensor, pressure sensor and temperature sensor respectively, and inputs the four count values to the computer by pc-7606 data collection chip. The goal of this paper is establish the model of calorific value of coal and the count values to forecast the value quickly and exactly.
To achieve this goal, this paper design a neural network with three layers in which the first layer play a classifier role and learn with the memory-based learning algorithm while the second and third layers learn with the error back-propagation algorithm. Finally, this paper generalize the model and testify that the model is rational.
引文
1 康云月．工业分析．北京理工大学出版社，1995：244-274
2 罗颖都，陈祢生，刘恩庆，陈文敏．煤质及化验基础知识(增订本)．煤炭工业出版社，1985：1-388
3 张锦柱．工业分析．重庆大学出版社，1997：54-67
4 苏伟，陈刚．应用人工神经网络方法预测煤的发热量．广东电力．1999，12(5)：14-17
5 冯桂东．用回归方法研究煤的灰分、水分与发热量的关系．江苏煤炭．2001，(1)：33-35
6 寿宝新．关于煤的发热量测定值和计算值的差异及其精度．小氮肥．1989，(9)：1-4
7 孙健哲，陆晖．原煤低位发热量的计算机计算．化工设计通讯．1990，16(1)：63-66
8．曹培刚，范志斌，武玉霞．煤质分析数据的人工神经网络处理．河北电力技术．1996，(5)：1-3
9 Simon Haykin，神经网络的综合基础．第二版．清华大学出版社，2001：1-255
10 胡守仁，余少波，戴葵．神经网络导论．国防科技大学出版社，1997：1-97
11 王科俊，王克成．神经网络建模、预测与控制．哈尔滨工业大学出版社，1996：18-103
12 张智星，孙春在，水谷英二(日)．神经--模糊和软计算．西安交通大学出版社，2000：139-182
13 Martin T Hagan，Howard B．Demuth，Mark Beale．神经网络设计．机械工业出版社，中信出版社，2002：1-1-11-47
14 阎平凡，张长水．人工神经网络与模拟进化计算．清华大学出版社，2000：1-39
15 程卫国，冯峰，王雪梅，刘艺．MATLAB 5.3精要 编程及高级应用．机械工业出版社，2000：1-234
16 郑宏兴，姚纪欢，张成．MATLAB 5.x工具箱使用技巧与实例．华中科技大学出版社，2001：181-261
17 闻新，周露，王丹力，熊晓英．MATLAB神经网络设计．科学出版社，2000：207-24
18 刘志俭，MATLAB应用程序接口用户指南．科学出版社，2000：332-362
19 清源计算机工作室．Visual Basic 6.0开发宝典．机械工业出版社，1999：1-286
20 刘炳文．精通Visual Basic 6.0中文版．电子工业出版社，1999：215-414
21 靳蕃，范俊波，谭永东．神经网络与神经计算机 原理 应用．西南交通大学出版社，1991：1-374
22 蒋本珊，欧阳春生．常用可编程外围接口芯片使用指南．北京理工大学出版社，1994：13-38
23 王伟．人工神经网络原理—入门与应用．北京航空航天大学出版社，1995：1-244
24．方崇智，萧德云．过程辩识，清华大学出版社，1998：474-478
25 Raffaele Parisi, Elio D. Di claudio, Gianni Orlandi. A Genernalized Learning Paradigm Exploiting the Structure of Feedforward Neural
Networks. IEEE Transactions on Neural Networks. 1996,7(2): 1450-1460
26 N. B. Karayiannis. Accelerating the Training of Feedforward Neural Networks Using Generalized Hebbian Rules for Initializing the Internal. IEEE Transactions on Neural Networks. 1996, 7(2): 419-426
27 Philip D. Wasserman. Neural Computing Theory and Practice. Van Nostrand Reinhold, 1989:1-60
27 S. S. Ge, C. C. Hang, T. H. Lee, T. Zhang. Stable Adaptive Neural Network Control. Kluwer Academic Publishers, 2002:1-80
28 阮炯，顾凡及，蔡志杰．神经动力学模型方法和应用．科学出版社，2002：1-338
29 黄德双．神经网络模式识别系统理论．电子工业出版社，1996：45-118
2 罗颖都，陈祢生，刘恩庆，陈文敏．煤质及化验基础知识(增订本)．煤炭工业出版社，1985：1-388
3 张锦柱．工业分析．重庆大学出版社，1997：54-67
4 苏伟，陈刚．应用人工神经网络方法预测煤的发热量．广东电力．1999，12(5)：14-17
5 冯桂东．用回归方法研究煤的灰分、水分与发热量的关系．江苏煤炭．2001，(1)：33-35
6 寿宝新．关于煤的发热量测定值和计算值的差异及其精度．小氮肥．1989，(9)：1-4
7 孙健哲，陆晖．原煤低位发热量的计算机计算．化工设计通讯．1990，16(1)：63-66
8．曹培刚，范志斌，武玉霞．煤质分析数据的人工神经网络处理．河北电力技术．1996，(5)：1-3
9 Simon Haykin，神经网络的综合基础．第二版．清华大学出版社，2001：1-255
10 胡守仁，余少波，戴葵．神经网络导论．国防科技大学出版社，1997：1-97
11 王科俊，王克成．神经网络建模、预测与控制．哈尔滨工业大学出版社，1996：18-103
12 张智星，孙春在，水谷英二(日)．神经--模糊和软计算．西安交通大学出版社，2000：139-182
13 Martin T Hagan，Howard B．Demuth，Mark Beale．神经网络设计．机械工业出版社，中信出版社，2002：1-1-11-47
14 阎平凡，张长水．人工神经网络与模拟进化计算．清华大学出版社，2000：1-39
15 程卫国，冯峰，王雪梅，刘艺．MATLAB 5.3精要 编程及高级应用．机械工业出版社，2000：1-234
16 郑宏兴，姚纪欢，张成．MATLAB 5.x工具箱使用技巧与实例．华中科技大学出版社，2001：181-261
17 闻新，周露，王丹力，熊晓英．MATLAB神经网络设计．科学出版社，2000：207-24
18 刘志俭，MATLAB应用程序接口用户指南．科学出版社，2000：332-362
19 清源计算机工作室．Visual Basic 6.0开发宝典．机械工业出版社，1999：1-286
20 刘炳文．精通Visual Basic 6.0中文版．电子工业出版社，1999：215-414
21 靳蕃，范俊波，谭永东．神经网络与神经计算机 原理 应用．西南交通大学出版社，1991：1-374
22 蒋本珊，欧阳春生．常用可编程外围接口芯片使用指南．北京理工大学出版社，1994：13-38
23 王伟．人工神经网络原理—入门与应用．北京航空航天大学出版社，1995：1-244
24．方崇智，萧德云．过程辩识，清华大学出版社，1998：474-478
25 Raffaele Parisi, Elio D. Di claudio, Gianni Orlandi. A Genernalized Learning Paradigm Exploiting the Structure of Feedforward Neural
Networks. IEEE Transactions on Neural Networks. 1996,7(2): 1450-1460
26 N. B. Karayiannis. Accelerating the Training of Feedforward Neural Networks Using Generalized Hebbian Rules for Initializing the Internal. IEEE Transactions on Neural Networks. 1996, 7(2): 419-426
27 Philip D. Wasserman. Neural Computing Theory and Practice. Van Nostrand Reinhold, 1989:1-60
27 S. S. Ge, C. C. Hang, T. H. Lee, T. Zhang. Stable Adaptive Neural Network Control. Kluwer Academic Publishers, 2002:1-80
28 阮炯，顾凡及，蔡志杰．神经动力学模型方法和应用．科学出版社，2002：1-338
29 黄德双．神经网络模式识别系统理论．电子工业出版社，1996：45-118