Es wurde ein neues integriertes Vorhersagemodell für die Verbrennungswärme von Kohle auf der Grundlage von multipler linearer Regression und Least Squares Support Vector Machine (LS-SVM) entwickelt und die Modellierungsschritte und der spezifische Algorithmus vorgestellt. Unter Berücksichtigung der Beziehung zwischen der tatsächlichen Verbrennungswärme von Kohle und ihrer industriellen Analysezusammensetzung (Feuchtigkeit, Asche und flüchtige Bestandteile) besteht das integrierte Modell aus einem initialen Vorhersagemodell und einem Fehlerkorrekturmodell. Initiale Daten zur Verbrennungswärme von Kohle und ihrer industriellen Analysezusammensetzung wurden verwendet, um einen Trainingsdatensatz zu erstellen, und die multiple lineare Regression wurde zur initialen Vorhersage der Verbrennungswärme und das LS-SVM-Modell zur Fehlerkorrekturmenge verwendet. Der Endwert des integrierten Modells ist der Ausgangswert des initialen Vorhersagemodells plus die Fehlerkorrekturmenge. Die tatsächlichen Vorhersageergebnisse zeigen, dass diese integrierte Vorhersagemethode weniger Zeit in Anspruch nimmt, genauere Vorhersagemethoden übertrifft und einen gewissen praktischen Wert hat.

Kohlequalität;Verbrennungswärme;multiple lineare Regression;Least Squares Support Vector Machine;Integrierte Vorhersage;Vorhersagemodell