文 献 综 述

文献1中提到，煤炭发热量是煤质研究分析中的一项重要分析内容^[1]。煤收到基低位发热量值被常作为煤炭计价的指标。文献2中提到，在国内外煤炭分类标准中，煤的发热量可以作为煤炭分类的重要标准之一^[2]。在科学研究中，可以根据煤的发热量去评价煤的还原程度，在实际生活中，可以作为主要质量标准去评价动力用煤。文献3中提到，在煤的燃烧和气化过程中，为了改进工艺过程及操作参数，需要计算相应的热平衡、热利用率及煤用量等，而这些参数的计算都需要根据煤的发热量值^[3]。文献4和5中提到，在煤的燃烧、热解及煤的气化模拟过程中，煤的发热量也是一项必须已知的输入参数^[4-5]。文献6中提到，另外，在选择锅炉型号、决定锅炉的燃烧方式、以及计算燃烧过程中的物料平衡等都需要根据煤的平均低位发热量去决定这些参数^[6]。

文献7中提到，在国内外的研究中，煤发热量值的获得主要通过两种方法，一种是通过实验测定，另外一种是通过数值方法计算得到^[7]。目前对煤发热量的测量主要是实测法(传统氧弹法测定发热量),把一定量的试样在充氧的弹筒中燃烧,由燃烧后水温的升高计算试样的发热量。但传统的氧弹法不但工艺复杂,测量参数耗时长,而且测量结果与真实值误差大。

文献8中提到，许多学者利用煤的工业分析组成和元素分析组成的实验数据,推导出了计算发热量数学模型,既经验公式。这些经验公式可以快速估算出煤的发热量,越来越被人们重视,有些公式已被国家标准所采纳。但是,这些经验公式只能近似估算,误差较大^[8]。

新疆伊犁煤田位于新疆西北部，煤炭资源贮量大，开采前景广阔，目前已列入新疆重点开发的四大煤田之一。伊犁煤田埋藏浅，厚煤层多，地质构造均为简单型，水文地质条件为简单一中等型，缓倾斜煤层较多。文献9中提到，煤多是以长焰煤、不粘结煤和气煤为主^[9]。煤炭热值无论在煤质分析还是在煤气化工艺领域都是十分重要的参数，只有通过数据分析软件构建预测模型才能实现对热值快速有效的预测。

以往对煤发热量计算模型的研究，由于计算技术的限制，大多采用的是多元线性回归模型。文献10中提到，这类模型的建立需要大量的煤质分析数据，若采集的数据不充足时，其计算准确度不一定能满足要求，且不能完全的反应煤发热量与煤中各化学组分之间的影响关系^[10]。随着计算机应用技术及智能算法的发展，许多较为先进的算法可以被尝试用于建立煤发热量计算模型。这类智能算法模型相比于传统的线性模型具有更好的计算准确度及泛化能力。研究表明，文献11中提到，某些智能算法可以在样本数量较少时，仍可以建立准确的预测模型。若能将这样的模型用于伊犁地区煤发热量的计算，将具有很好的前景^[11]。但这样的智能算法模型种类较多，需要具体研究。同时，这类模型的建立过程也相对复杂，需要借助一定的计算软件。

文献12中提到，逐步回归的基本思想是将变量逐个引入模型，每引入一个解释变量后都要进行F检验，并对已经选入的解释变量逐个进行t检验，当原来引入的解释变量由于后面解释变量的引入变得不再显著时，则将其删除。以确保每次引入新的变量之前回归方程中只包含显著性变量。这是一个反复的过程，直到既没有显著的解释变量选入回归方程，也没有不显著的解释变量从回归方程中剔除为止。以保证最后所得到的解释变量集是最优的^[12]。

文献13中提到，混沌沌粒子群优化算法(CPSO)的基本思想是将混沌状态引入到优化变量中,并把混沌运动的遍历范围载波变换到优化变量的取值范围,再把得到的混沌变量表示成粒子,根据粒子之间的合作与竞争进行搜索,到一定阶段给群体最优位置附加一混沌扰动,通过不断地更新粒子的速度和位置,最后求得问题的最优解^[13]。文献14中提到，混沌粒子群优化算法具有良好的跳出局部极值的能力,而且能够快速收敛到全局最优解,表明了该算法的优越性^[14]。

基于上述的背景及存在的问题，本课题将借助 MATLAB 软件，拟对伊犁地区煤发热量采用逐步回归算法和PSO算法进行研究，以期能得到一个适用于该地区发热量预测的最优模型，从而为该地区煤炭资源的开发政策的制定、煤炭加工利用规划、工艺及设备的设计、选择等提供重要的指导。文献15中提到，而随着煤炭资源的进一步开发，无论从理论上或实用意义上来说，计算该地区的煤的发热量都有十分重要的意义，具有巨大的经济和社会效益。同时本文也以期为人工神经网络用于其它领域的预测起到参考作用^[15]。