赵先枝， 陈军林

（1. 内蒙古煤炭地质勘查（集团）一五三有限公司，内蒙古 呼和浩特 010010；2. 中国地质大学（北京） 地球科学与资源学院，北京 100083））

0 引言

煤炭发热量是评价煤质的关键指标，对于煤炭利用、煤炭价值评估等非常重要[1]。精确的煤炭发热量数据需要通过实验测试得到，但煤炭发热量的实验测定在当前技术条件下较繁琐、耗时且昂贵[2]。在对煤炭发热量精度要求不高的情况下，通常通过建立数学模型，利用测试相对廉价且容易获取的指标来预测煤炭发热量。在煤炭发热量预测方面，前人提出了线性回归[3-4]、BP神经网络[5]、支持向量回归[6-7]等方法。其中实际应用最广泛的是线性回归，该方法模型简单、计算快速，但存在以下问题：对于非线性数据拟合能力欠佳，难以表达较为复杂的自变量和因变量关系；需要数据服从特定的分布假设；对异常值敏感。

分位数回归是Roger Koenker和Gilbert Bassett于1978年提出的一种回归分析方法[8]，经过不断发展形成了线性分位数回归、神经网络分位数回归、分位数回归森林等方法。分位数回归具有如下优点：不需要对数据做任何的分布假定；具有对异常点不敏感的特征；模型比较稳健；能够给出比传统回归分析更丰富的预测结果；可用来研究自变量与因变量之间的关系。目前关于分位数回归在煤炭发热量预测方面的应用研究较少。本文采用线性分位数回归和分位数回归森林2种分位数回归分析方法对煤炭发热量进行预测，分析各预测变量对结果变量的影响，并与传统线性回归方法进行对比，分析不同回归分析方法在煤炭发热量预测中的效果。……