摘要:为了预测燃煤锅炉受热面的结渣情况,以灰成分金属氧化物、煤灰SO_(3)含量以及结渣评判指标为自变量,灰熔点变形温度(deformation temperature,DT)和软化温度(softening temperature,ST)为因变量,建立了BP神经网络(BP neural network,BPNN)和最小二乘支持向量机(least squares support vector machine,LSSVM)的灰熔点预测模型。回归分析和误差分析结果表明:针对样本量多的DT预测过程,2种模型精度接近,预测结果置信度均达到95%,相关系数均约为0.92,平均相对误差均约为3.4%;针对样本量较少的ST预测过程,LSSVM模型预测效果较优,相关系数为0.95052,高于BPNN模型的0.90426,平均相对误差为4.98%,并且大误差点个数少于BPNN模型。因此,LSSVM模型能够更准确预测飞灰的DT和ST。