基于粗糙集神经网络的燃煤发热量预测模型
王永茂;高岩
【摘 要】通过对粗糙集和BP神经网络的分析研究,以专家系统为核心,提出了一种基于粗糙集神经网络的燃煤发热量预测模型;选取影响燃煤发热量的6个参数,利用粗糙集理论对原始信息表进行约简操作,去除冗余的属性和属性值,得到约简规则,并将其作为BP神经网络的输入,对燃煤发热量进行预测;通过分析对比线性回归方法和粗糙集神经网络方法,说明该模型能有效地简化神经网络的网络结构,减少网络的训练步数,提高网络的学习效率,能够较准确地对燃煤发热量进行预测. 【期刊名称】《计算机测量与控制》 【年(卷),期】2009(017)004 【总页数】3页(P655-656,665) 【关键词】粗糙集;约简;神经网络;发热量 【作 者】王永茂;高岩
【作者单位】河南理工大学,计算机科学与技术学院,河南,焦作,454003;河南理工大学,计算机科学与技术学院,河南,焦作,454003 【正文语种】中 文 【中图分类】工业技术
文章编号： 1671-4598(2009)04-0655-02中图分类号 ： TP183文献标识码： A基 于 粗 糙 集 神 经 网 络 的燃 煤 发 热 量 预 测 模 型王 永 茂， 高岩（河南理工大学 计算机科学与技术学院 ， 河南 焦作 454003 ）摘要： 通过对粗糙集和
BP 神经网络的分析研究， 以专家系统为核心， 提出了一种基于粗糙集神经网络的燃煤发热量预测模型 - 选取影响燃 煤发热量的 6 个参数， 利用粗糙集理论对原始信息表进行约简操作， 去除冗余的属性和属性值， 得到约简规则， 并将其作为 BP 神经网络的输入， 对燃煤发热量进行预测， 通过分析对比线性回归方法和粗糙集神经网络方法， 说明该模型能有效地简化神经网络的网络结构， 减少网络的训练步 数，提高网络的学习效率， 能够较准确地对燃煤发热量进行预测。关键词： 粗糙集； 约简； 神经网络。 发热量 Forecast of
CoalHeatwithRoughSetsTheoryandArtificial NeuralNetworks WangYongmao,GaoYan (Schoolof
ComputerScienceandTechnology,HenanPolytechnicUniversity,Jiaozu0454003,China) Abstract:Throughthe research andanalysis of roughsetstheory andBPneural network,aforecast modelbasedonroughsetsthe00'
andBPneuralnetworkisput forwardwhichoperatesonthe expert system.To forecastthe quantity of coal heat,sixparameters affectingthe coal heat areselected to build thedecision table.Andthen, roughsetstheory
isappliedto reducethe redundancyof the attributeandattributevalue in the decision table.Finally,the reductionresults aretransformedinto rules, whichareusedasinput of the BPneural networksto build the forecasting model.Byanalyzingand contrasting with thelinear regressive method,itis confirmedthat the modelcouldnotonly reducestructureandtraining step of the neural networkeffectively,but also couldimprovethe leaminge伍ciencyand forecast the quantity of coal heat well. Key words:roughsets theory; reduction; neural network; coal heat 0 引言 燃煤发热量是煤质分析的一个重要指标， 它是鉴定煤质、计算热平衡、 耗煤、 热效率以及改进燃煤方法和
提高热能利用 的依据， 影响燃煤发热量主要有 M （ 基水份 ） 、 Mad （ 空气干燥 基水份）.Aod （ 基灰份） 、 Vod （ 收到的基挥发份 ）.FCd （ 基固定炭） 、Sr mde （ 基全硫）等 6 个因素， 因此寻找燃煤发热量与各因素之间关系具有非常重要的价值和意义。 我国煤炭行业工作者在这 方面做 了大量卓有成效的工作 ， 早些时候 ， 在燃煤发热量的计 算上主要采用线性回 归的方法 ， 发现燃煤发热量与 Aad 接近线 性关系， 而和其他因素存在强烈的非线性 [1】。最近又有研究者将神经网络的方法用于燃煤发热量计算 【 2]，虽然神经 网络在非线性计算方面具有较大的优势， 但是， 神经网络也存在其 自身 固有的缺点 ： 一个训练好的神经网络完全是一个黑箱， 也就是 说 ，要想确定一个神经 网络作出决策的原因几乎是不可能的。 如果能够将有关知识跟神经网络结合起来， 那将能克服神经网 络 自身固有的特点， 这就牵涉一个知识获取的问题。 粗糙集理论是一种新型的处理模糊和不确定知识的数学工 具 ，是由波兰数学家 ZPawlak 于 1982 年首次提出 ，在数据发现、 模式识别与分类、 故障检测等方面得到了较为成功的应用 ， 其 中，对大规模数据库进行分析， 从中识别和抽取出隐含的、 潜在的 、有意义、 有价值的规则知识 ， 粗糙集充分显示了它的优越性。 但是 ， 粗糙集理论的容错能力和推广能力相对较弱。本文将粗糙集与神经网络相结合 ， 利用粗糙集理论对原始收藕日期： 2008-09-04,修回 日期： 2008-10-14 。基金项目： 河南省 自然科学基金项 目 (0611055800) 。作者简介 ： 王永茂 (1976-)， 男， 河南省焦作市人， 讲师， 硕士， 主要从事数据挖掘、 智能控制、 图形图像的研究。信息表进行约简操作 ， 然后将约简生成的规则作为人工神经网络的输入 ， 从而建立了燃煤发热量预测模型。 1粗糙集理论基本概念【 3】粗糙集理论的要点是将分类与知识联系在一起 ， 认为知识 就是对对象进行分类的能力。 下面给出粗糙集理论的基本概念。 令XcU ， 且 尺 为 U 上一等价关 系， 』=@ ，R ） 是一个近似空 间，在 爿 上 ， 如果 Ⅳ为某些 R 基本类的并集 ， 称 X 是 R 可 定义的 ；
基于粗糙集神经网络的燃煤发热量预测模型
