Um die Genauigkeit der Vorhersage der Heizleistung von Kohle zu verbessern, wurde eine Methode zur Vorhersage der Heizleistung von Kohle auf der Grundlage des adaptiven Partikelalgorithmus (PSO) und des Algorithmus der minimalen Fehlerunterstützungsvektormaschinen (LSSVM) vorgeschlagen: Aufbau des Modells zur Vorhersage der Heizleistung von Kohle LSSVM, Optimierung der Parameter des LSSVM-Modells durch den adaptiven PSO-Algorithmus. Die Wirkung der Vorhersage der Heizleistung von Kohle wurde durch Simulation mit Testdaten verglichen. Die Ergebnisse zeigen, dass das Modell zur Vorhersage der Heizleistung von Kohle PSO-LSSVM genau die Variationen der Heizleistung vorhersagen kann und schneller als das adaptive BP-Neuronennetz, das grundlegende PSO-LSSVM und das GA-LSSVM-Modell ist, mit schneller Verarbeitungsgeschwindigkeit, hoher Vorhersagegenauigkeit und gut für die technische Anwendung geeignet.

Kohlequalität; Wärme; Prognosen; Parameteranpassung; Adaptiver Teilchenalgorithmus; Algorithmus der minimalen Fehlerunterstützungsvektormaschinen