Prediction of Coal Calorific Value Based on Coal Quality-Derived Indicators and Support Vector Regression

本研究解决了传统煤炭热值预测模型主要依赖线性回归和单源近端分析数据的局限性。基于465份中国煤炭样品，结合近似分析、极限分析，构建衍生指标（可燃物含量-CC、碳氢指数-CHI、可燃物碳-CIC），提出一种结合平均影响值（MIV）特征选择和支持向量回归（SVR）的非线性建模方法。结果表明，推导指标与净热值（NCV）之间的皮尔逊相关系数均超过0.93，优于原始项目。以CC-CHI-CIC-FCad为特征变量，建立的SVR模型的平均绝对百分比误差（MAPE）、均方根误差（RMSE）和决定系数（R²）分别为1.838%、0.544 MJ/kg和0.962，具有极高的统计学意义（F = 1485.96，p < 0.001）。该模型的预测精度明显优于传统线性模型，而所提出的基于推导指标（R² > 0.900）的线性模型可以作为快速估计的替代方案。该方法有效提高了煤热值预测的准确性和鲁棒性。