一、煤炭发热量与灰份回归计算方程的建立与应用（论文文献综述）
焦发存,刘涛,武成利,李寒旭[1]（2022）在《淮南矿区煤炭发热量预测模型研究》文中认为分析了淮南矿区不同煤层煤样的基本特性,建立了煤炭发热量预测模型。淮南矿区煤具有低/中灰分、中/高发热量以及特低硫的特点。灰分和固定碳含量与煤炭发热量有显着相关性,由此建立了基于灰分和固定碳含量的淮南矿区煤炭发热量预测模型。利用发热量的实测值对模型预测值的准确性进行验证,相对误差为-1.9%～1.95%。该模型可用于发热量预测系统的开发,实现对淮南矿区煤炭发热量的快速估算。
王以宪,王鑫,左兆迎[2]（2020）在《煤炭发热量与水分、灰分及挥发分关系研究》文中研究表明本文通过88个煤样和回归模型,研究了鲁西南矿区的煤炭发热量与水分、灰分和挥发分之间的关系。采用向后回归策略,应用SPSS21.0软件,经过输入/移去的变量、R检验、F检验、DW检验等建立了回归方程,证实水分、灰分和发热量之间有线性关系,建立了回归方程并对方程的残差进行了分析,具有较好的参考意义。
陈海旭[3]（2020）在《大同烟煤全水分、灰分与发热量线性关系分析》文中指出已有大量数据表明大同地区烟煤的全水分、灰分与发热量存在线性关系,笔者运用Excel中的LIENST函数分析了煤的全水分、灰分与发热量多元线性关系方程模型,通过F检验法和t检验法确保了数学模型的合理可靠性。通过试验和数理推导,尝试分析了全水分、灰分与发热量呈线性关系的原因,即同一矿井在一段时间内,洗选后商品煤的全水分对发热量的影响近似为一个常量;灰分对空干基发热量的影响最显着且呈线性关系,其他成分热效应基本可以忽略。
郑生,左兆迎,吴尚睿,刘晓朴[4]（2020）在《煤炭低位发热量与其他工业分析元素关系研究》文中提出本文采用SPSS23.0以及变量的逐步筛选策略,通过某烟煤的68个数据,建立了该烟煤收到基低位发热量与水分、灰分的回归方程,并进行了DW等各种检验,证实该方程的有效性,建立了回归方程并依据回归方程,为预测该烟煤的发热量提供了依据。
徐广成,郑生,左兆迎,王斐,赵政,刘刚[5]（2020）在《回归模型在煤炭发热量检测中的应用》文中研究指明本文采用回归分析的方法,建立了煤炭发热量与水分、灰分的二元回归方程,并经过R检验、F检验、共线性、自相关性等检验,证实该方程具有可行性及可靠性,建立了回归方程模型。依据回归方程对发热量区间的预测方法进行了说明,为煤炭发热量的预测提供可靠的依据。
李大虎,韦鲁滨,朱学帅,荣令坤,时景阳[6]（2019）在《基于SVR与特征变量选择方法的煤炭发热量预测》文中研究指明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线性建模和预测。结果表明:对于我国不同地域的60组煤炭样本,煤的工业分析和元素分析指标中,仅灰分、碳含量与发热量之间存在一定的线性相关性,其余指标与发热量的线性相关性较差,煤的发热量预测应优先考虑非线性建模方法。经特征变量筛选后发现,煤的工业分析指标中水分、灰分和挥发分三者对发热量的影响均较大,而元素分析中仅碳含量对发热量影响较为显着;以影响显着的4个指标为特征变量进行发热量预测,SVR方法对煤发热量的预测精度显着提高,相关系数达0.982 7%,远高于其他线性回归模型。同时,不同发热量模型预测结果也表明,煤炭样本来源地域越接近,各方法预测精度差异越小,应依据样本地域差异选取合适的预测方法。
蔡正东[7]（2019）在《利用MATLAB对煤炭发热量进行回归分析》文中研究表明选煤厂生产过程中,对于煤炭发热量的计算大多采用现有的经验模型进行,因为煤炭发热量的测定耗费时间,利用经验公式计算可以节约测试时间和测试费用。但是现有的一些方法计算精度较差,在样本数据异常的情况下,不能很好地剔除异常数据,造成经验公式模型的偏差。利用MATLAB软件的回归分析工具箱能够快速建立回归分析模型,剔除异常数据样本后重新建立回归模型来预测煤炭的发热量,方法简单易学,可以推广普及。
党世英[8]（2019）在《运用二元线性回归计算晋华宫煤的发热量》文中研究表明利用晋华宫煤的全水、灰分和发热量的相关关系推导二元线性回归方程,即应用工业分析数据可预测晋华宫煤的发热量,并用于矿区混煤参数的计算。基于具有代表性、准确性的实测数据所推导的回归方程的精度及准确度可达到再现性临界差的要求,但该回归方程需反复进行适用性验算以便对其进行再优化处理,包括补充新的数据或移出某些数据另作回归分析或剔除某些明显有误的数据。
王玥,王江荣[9]（2018）在《煤炭发热量的二次回归方程预测分析》文中提出以灰分、全水分为煤样指标建模了煤炭发热量的非线性二次回归预测模型,通过测试及对比,该模型具有较高的预测精度,预测结果能够满足工程需要,预测效果优于线性回归模型及神经网络模型等。另外,该预测模型还具有容易程序实现、操作简便等特点。
杨立[10]（2017）在《准格尔呼查梁煤田主采煤层赋存特征及煤质变化规律》文中研究说明论文通过准格尔呼查梁煤田主可采煤层赋存特征、煤质特征、煤质工业分析指标变化规律等方面研究,其中对各主采煤层煤质指标之间的相关性采用多元线性回归模型进行研究,该研究为煤炭开采、加工和利用提供了必要的理论指导,有利于煤炭资源可持续发展。准格尔呼查梁煤田位于华北地台鄂尔多斯台向斜东北方向,其地形地貌构造轮廓为走向南北方向,含煤地层主要为二叠系下统山西组、石炭系上统太原组上段,其中石炭系上统太原组上段的6上号、6号、9号煤层为本区主要可采煤层。6上号煤层厚度由东北向西南逐渐变厚,6号煤层厚度由东向西逐渐变厚,9号煤层厚度由东向西逐渐变薄。通过对主可采煤层煤质指标变化规律研究,发现6 上号、6号和9号煤层的灰分和挥发分对于垂直面其含量由上至下呈逐渐降低趋势,对于同一煤层各主采煤层挥发分含量变化不同,6上号煤层挥发分含量由东北向西南不断增加;6号煤层挥发分含量由东北向中部不断减少,由中部向南部含量不断增加;9号煤层挥发分含量由北向南不断增加。6上号煤层和9号煤层灰分含量由北向南呈逐渐增加趋势,而6号煤层灰分含量由西北向东南呈逐渐增加趋势。对于各主采煤层煤质指标之间的相关性研究,运用多元线性回归模型进行分析,推导出发热量与煤质工业分析指标的多元线性回归方程。通过对准格尔呼查梁煤田各煤层多元线性回归模型与BP神经网络、支持向量机相比较,发现多元线性回归模型对该煤田各煤层未知煤质指标量预测较好。通过对准格尔呼查梁煤田各煤层多元线性回归模型研究,发现该模型预测值与实测值的误差在允许范围之内,因此该模型可对该区各煤层未知煤质指标量进行预测,有利于合理开发煤炭资源。
二、煤炭发热量与灰份回归计算方程的建立与应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、煤炭发热量与灰份回归计算方程的建立与应用（论文提纲范文）
（1）淮南矿区煤炭发热量预测模型研究（论文提纲范文）
| 0 引言 |
| 1 煤样及分析方法 |
| 2 煤炭发热量预测模型与结果分析 |
| 2.1 煤样的基本特性 |
| 2.2 发热量预测模型 |
| (1）发热量与灰分及固定碳之间的关系 |
| (2）发热量预测模型的建立 |
| 2.3 模型结果的验证 |
| 3 结语 |
（2）煤炭发热量与水分、灰分及挥发分关系研究（论文提纲范文）
| 1 回归模型的建立 |
| 2 回归模型的检验 |
| 2.1 拟合优度和DW检验 |
| 2.2 方差分析 |
| 2.3 共线性检验 |
| 2.4 回归模型及残差分析 |
| 3 结论 |
（3）大同烟煤全水分、灰分与发热量线性关系分析（论文提纲范文）
| 1 试验仪器 |
| 2 建立线性回归方程数学模型 |
| 2.1 利用函数LINEST建立模型 |
| 2.2 显着性检验 |
| 3 灰分对发热量的影响分析 |
| 4 全水分对发热量的影响分析 |
| 5 结论 |
（4）煤炭低位发热量与其他工业分析元素关系研究（论文提纲范文）
| 0 引言 |
| 1 煤炭发热量影响因素的理论分析 |
| 2 煤炭发热量回归模型的建立和检验 |
| 3 研究结论及展望 |
（5）回归模型在煤炭发热量检测中的应用（论文提纲范文）
| 1 前言 |
| 2 煤炭发热量回归模型的建立和检验 |
| 3 模型的矩阵求解及区间预测 |
| 4 结论 |
（6）基于SVR与特征变量选择方法的煤炭发热量预测（论文提纲范文）
| 1 煤质指标与发热量的线性相关性 |
| 2 发热量预测模型的构建 |
| 2.1 线性回归模型 |
| 2.2 非线性ε-SVR回归模型 |
| 3 预测模型特征变量选择 |
| 3.1 MIV特征选择方法 |
| 3.2 模型训练参数优化 |
| 3.3 特征变量选择结果 |
| 4 结果与讨论 |
| 4.1 预测结果评价指标 |
| 4.2 特征变量选择合理性评价 |
| 4.3 不同模型预测效果对比 |
| 4.4 基于地域差异的发热量预测效果分析 |
| 5 结 论 |
（7）利用MATLAB对煤炭发热量进行回归分析（论文提纲范文）
| 1 MATLAB软件介绍 |
| 2 基于统计分析的回归分析的计算 |
| 2.1 利用最小二乘法建立回归方程 |
| 2.2 回归方程的检验 |
| 3 基于MATLAB的回归分析计算 |
| 5 结语 |
（8）运用二元线性回归计算晋华宫煤的发热量（论文提纲范文）
| 0前言 |
| 1 煤发热量与其他煤质指标间的关系 |
| 2 相关关系与回归分析 |
| 3 二元线性回归 |
| 4 结语 |
（9）煤炭发热量的二次回归方程预测分析（论文提纲范文）
| 0 引言 |
| 1 二次回归模型 |
| 2 算例分析 |
| 2.1 数据来源 |
| 2.2 二次回归及参数估计 |
| 3 结语 |
（10）准格尔呼查梁煤田主采煤层赋存特征及煤质变化规律（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 引言 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 煤层赋存规律研究现状 |
| 1.2.2 煤质指标相关性研究现状 |
| 1.3 主要研究内容、方法及技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 技术路线 |
| 2 煤田概况 |
| 2.1 交通位置 |
| 2.2 自然地理 |
| 2.2.1 地形地貌 |
| 2.2.2 气候 |
| 2.3 地层 |
| 2.4 地质构造 |
| 2.5 岩浆岩 |
| 2.6 本章小结 |
| 3 煤田主采煤层赋存及煤质特征和煤与岩层对比 |
| 3.1 主采煤层含煤性 |
| 3.2 主采煤层厚度变化特征 |
| 3.2.1 6_上号煤层厚度变化特征 |
| 3.2.2 6号煤层厚度变化特征 |
| 3.2.3 9号煤层厚度变化特征 |
| 3.3 主采煤层煤质特征 |
| 3.3.1 元素分析 |
| 3.3.2 有害元素 |
| 3.3.3 微量元素 |
| 3.3.4 煤发热量 |
| 3.3.5 煤灰成分、灰熔融性 |
| 3.4 煤层对比 |
| 3.4.1 层间距对比 |
| 3.4.2 沉积旋回对比 |
| 3.4.3 标志层对比 |
| 3.4.4 测井曲线对比 |
| 3.5 本章小结 |
| 4 煤田主采煤层煤质主要工业指标变化规律 |
| 4.1 主采煤层灰分变化规律 |
| 4.1.1 6_上号煤层灰分变化规律 |
| 4.1.2 6号煤层灰分变化规律 |
| 4.1.3 9号煤层灰分变化规律 |
| 4.2 主采煤层挥发分变化规律 |
| 4.2.1 6_上号煤层挥发分变化规律 |
| 4.2.2 6号煤层挥发分变化规律 |
| 4.2.3 9号煤层挥发分变化规律 |
| 4.3 本章小结 |
| 5 煤田主采煤层煤质指标之间关系 |
| 5.1 6_上号煤层发热量与煤质指标关系 |
| 5.1.1 煤发热量与水分之间的关系 |
| 5.1.2 煤发热量与灰分之间的关系 |
| 5.1.3 煤发热量与挥发分之间的关系 |
| 5.1.4 煤发热量与硫分之间的关系 |
| 5.2 6号煤层发热量与煤质指标关系 |
| 5.2.1 煤发热量与水分之间的关系 |
| 5.2.2 煤发热量与灰分之间的关系 |
| 5.2.3 煤发热量与挥发分之间的关系 |
| 5.2.4 煤发热与硫分之间的关系 |
| 5.3 9号煤层发热量与煤质指标关系 |
| 5.3.1 煤发热量与水分之间的关系 |
| 5.3.2 煤发热量与灰分之间的关系 |
| 5.3.3 煤发热量与挥发分之间的关系 |
| 5.3.4 煤发热量与硫分之间的关系 |
| 5.4 煤质指标多元回归模型建立 |
| 5.4.1 6_上号煤层煤质指标多元回归模型 |
| 5.4.2 6号煤层煤质指标多元回归模型 |
| 5.4.3 9号煤层煤质指标多元回归模型 |
| 5.5 BP神经网络与支持向量机模型建立 |
| 5.6 模型对比分析 |
| 5.7 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
四、煤炭发热量与灰份回归计算方程的建立与应用（论文参考文献）
- [1]淮南矿区煤炭发热量预测模型研究[J]. 焦发存,刘涛,武成利,李寒旭. 煤矿机械, 2022
- [2]煤炭发热量与水分、灰分及挥发分关系研究[J]. 王以宪,王鑫,左兆迎. 山东煤炭科技, 2020(11)
- [3]大同烟煤全水分、灰分与发热量线性关系分析[J]. 陈海旭. 中国煤炭, 2020(11)
- [4]煤炭低位发热量与其他工业分析元素关系研究[J]. 郑生,左兆迎,吴尚睿,刘晓朴. 中国检验检测, 2020(04)
- [5]回归模型在煤炭发热量检测中的应用[J]. 徐广成,郑生,左兆迎,王斐,赵政,刘刚. 检验检疫学刊, 2020(01)
- [6]基于SVR与特征变量选择方法的煤炭发热量预测[J]. 李大虎,韦鲁滨,朱学帅,荣令坤,时景阳. 煤炭学报, 2019(S1)
- [7]利用MATLAB对煤炭发热量进行回归分析[J]. 蔡正东. 内蒙古煤炭经济, 2019(06)
- [8]运用二元线性回归计算晋华宫煤的发热量[J]. 党世英. 煤质技术, 2019(02)
- [9]煤炭发热量的二次回归方程预测分析[J]. 王玥,王江荣. 水泥工程, 2018(06)
- [10]准格尔呼查梁煤田主采煤层赋存特征及煤质变化规律[D]. 杨立. 辽宁工程技术大学, 2017(02)