文章摘要:潮湿煤炭给选煤厂筛分作业带来了极大困难，而气流分级技术可以有效地解决这一问题。在进行潮湿煤炭的分级过程中，通过预先对实际的分级效果能进行预测，进而实现对分级过程进行自动控制。人工智能为分级过程模型的建立提供了新的方法。本文基于神经网络应用Python语言建立了气流分级效果预测模型，以内蒙古伊泰集团煤样为研究样品进行了不同条件下50组气流分级试验，通过将试验数据随机打乱，选择45组数据作为训练集，对机器进行训练学习，5组作为检测集，选择气流分级试验中初始含水率、有无振动、分级时间这三个因素作为神经网络的输入，将粗粒级和细粒级两个大粒级中的>6mm，3-6mm，<3mm粒级的含量作为输出，通过交叉验证的方式，寻找神经网络的最佳参数。训练了两个BP神经网络NN1和NN2。神经网络NN1，包含一个隐藏层，隐藏层神经元个数为6，选取的激活函数是tanh。NN2神经网络，包含两个隐藏层，隐藏层神经元个数分别为5和7，选取的激活函数是identity。NN1在预测的整体上优于第二个神经网络，尤其是在粗粒级：3-6mm，<3mm和细粒级>6mm，3-6mm，<3mm这五个级别预测结果上优于第二个神经网络，但对于粗粒集>6mm这一级别的预测结果存在较大的偏差。NN2整体预测结果较为平均，整体偏差不大，对于粗粒级>6mm这一项的预测结果与其他项预测较为接近，明显优于第一个神经网络，在整体预测上表现更好，NN2在>6mm粗粒级预测上优于NN1，将两个网络结合起来，粗粒级>6mm的采用神经网络NN2的结果，粗粒级：3-6mm，<3mm和细粒级>6mm，3-6mm，<3mm这五个预测结果采用NN1的预测结果，作为最后的预测结果可提高预测的精度，最后模型的决定系数R2为0.9178，能对输入数据进行较好的拟合。

文章关键词:

论文分类号:TD94;TP183