来源：期刊VIP网 时间：
作者：姚锡文;张玲玉;许开立;齐洋;
单位：东北大学资源与土木工程学院;
摘要：生物质灰的软化温度可以反映锅炉结渣效率与传热效率，因此建立生物质灰软化温度的预测模型能够更好地探究生物质锅炉结渣规律。研究基于反向传播(Back Propagation, BP)神经网络与Elman神经网络建立了生物质灰软化温度预测模型。首先，收集各生物质灰中氧化物的质量分数与灰软化温度并作为原始数据集，确定模型的训练参数；其次，对模型进行测试；最后，对模型的适应性进行评价。研究对比分析了BP神经网络与Elman神经网络的决定系数R~2、均方误差根E_(RMS)、平均绝对误差E_(MA)以及平均绝对百分比误差E_(MAP)。之后，使用实验室制取的杨木灰样对Elman网络预测模型进行了验证。研究结果显示，Elman神经网络针对生物质灰软化温度具有更好的预测效果，其预测软化温度与实际软化温度的相对误差不超过20%,预测效果较好。
关键词：安全工程;生物质灰;软化温度;神经网络预测
基金资助：国家自然科学基金项目(52004055); 国家重点研发计划资助项目(2021YFC3001300)
