顏丙峰， 王光耀， 朱肖曼， 史士東

(煤炭資源高效開(kāi)采與潔凈利用國(guó)家重點(diǎn)實(shí)驗(yàn)室，北京 100013)

煤液化的反應(yīng)性能與煤種有很大關(guān)系，研究煤種各種性質(zhì)與其液化性能關(guān)系，是評(píng)選液化用煤的基本方法[1]。煤的灰分、揮發(fā)分、元素組成、巖相組成(鏡質(zhì)組、殼質(zhì)組、惰質(zhì)組、最大鏡質(zhì)體反射率)等煤質(zhì)特性不僅會(huì)對(duì)其液化性能、液化工藝產(chǎn)生重要影響[2-5]，還會(huì)影響液化產(chǎn)品的經(jīng)濟(jì)效益。一般而言，揮發(fā)分含量越高、H/C原子比越大、惰質(zhì)組含量越小的煤種，其變質(zhì)程度越低，越容易液化。但煤變質(zhì)程度越低，其氧元素含量會(huì)越高，導(dǎo)致其液化水產(chǎn)率和氫耗提高。

煤的液化特性通常與多個(gè)煤質(zhì)特性呈線性關(guān)系。Garr等[6]發(fā)現(xiàn)煤的灰分含量及C、H元素含量與煤的轉(zhuǎn)化率線性相關(guān)；Lee等[7]發(fā)現(xiàn)煤的灰分含量與煤的轉(zhuǎn)化率線性相關(guān)；李小彥等[8-9]發(fā)現(xiàn)煤的轉(zhuǎn)化率與揮發(fā)分、H/C原子比、活性組分含量分別成線性關(guān)系。然而，這些多是針對(duì)特定煤種且專注于煤質(zhì)特性與其液化轉(zhuǎn)化率、產(chǎn)率的關(guān)系，而對(duì)煤質(zhì)特性與其液化過(guò)程中水、氣產(chǎn)率及氫耗等關(guān)系的研究較少。

對(duì)煤質(zhì)特性與煤的液化性能關(guān)系的研究多采用多元線性回歸分析方法。多元線性回歸分析過(guò)程中，回歸方程中的自變量越多、剩余標(biāo)準(zhǔn)差越小，回歸方程效果越好、精度越高，因此希望“最優(yōu)”回歸方程中包含盡可能多的自變量，特別是對(duì)因變量有顯著影響的自變量不能遺漏[10]。但是，若回歸方程包含的自變量過(guò)多，可能會(huì)導(dǎo)致自變量之間存在多重共線性，造成對(duì)因變量有顯著影響的自變量被判定為無(wú)顯著影響，導(dǎo)致有用的自變量被錯(cuò)誤剔除，使模型與實(shí)際相差甚遠(yuǎn)[11]。因此，必須采取有效方法消除自變量間多重共線性的影響。最常用的消除多重共線性的方法有主成分分析法[12-14]和逐步回歸法[15-18]。主成分分析法的目的在于降維，將原有指標(biāo)進(jìn)行線性組合，減少指標(biāo)個(gè)數(shù)；而逐步回歸法的目的是剔除影響不顯著的指標(biāo)，而保留原有指標(biāo)中影響顯著的若干指標(biāo)。

20世紀(jì)80～90年代，北京煤化學(xué)研究所對(duì)中國(guó)120多種煤進(jìn)行篩選[19]，得到16種適合液化的中國(guó)煤種，并給出其煤質(zhì)分析和液化結(jié)果[3,19]。在這些實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上，筆者使用SPSS 22.0軟件建立上述16種煤種(共計(jì)24組數(shù)據(jù))煤質(zhì)特性與其液化特性間的多元線性回歸模型，采用多元線性回歸與逐步回歸分析相結(jié)合的方法，篩選對(duì)其液化特性影響顯著的煤質(zhì)特性，并以文獻(xiàn)[20-24]中的相關(guān)數(shù)據(jù)驗(yàn)證逐步回歸關(guān)系式的可靠性。

1 煤質(zhì)特性對(duì)液化特性的影響分析

1.1 煤質(zhì)特性與液化特性的相關(guān)性分析

為了建立多元線性回歸模型，需首先考察哪些煤質(zhì)特性與其液化特性具有線性相關(guān)性，因此筆者篩選12種煤質(zhì)特性與6種液化特性指標(biāo)間的線性相關(guān)性。其中，煤質(zhì)特性指標(biāo)包括揮發(fā)分質(zhì)量分?jǐn)?shù)(X1)，C、H、N、S、O元素的質(zhì)量分?jǐn)?shù)(X2～X6)，H/C和O/C原子比(X7和X8)，鏡質(zhì)組、殼質(zhì)組、惰質(zhì)組體積分?jǐn)?shù)(X9～X11)和最大鏡質(zhì)體反射率(Rmax，X12)；液化特性指標(biāo)包括煤轉(zhuǎn)化率(Y1)、油產(chǎn)率(Y2)、水產(chǎn)率(Y3)、氣產(chǎn)率(Y4)、瀝青質(zhì)產(chǎn)率(Y5)、氫耗(Y6)。

采用軟件SPSS 22.0進(jìn)行煤質(zhì)特性與液化特性間相關(guān)性的分析[25-26]，結(jié)果見(jiàn)表1。其中，R為Pearson相關(guān)系數(shù)，R絕對(duì)值越大，說(shuō)明煤質(zhì)特性與液化特性的線性相關(guān)程度越高。P為確認(rèn)關(guān)聯(lián)結(jié)果有效的犯錯(cuò)概率(P=0.05表示有5%的變量關(guān)聯(lián)可能是偶然性造成的)，P越大，則變量關(guān)聯(lián)可靠性越差。在相關(guān)性分析中，P可以用來(lái)判斷線性相關(guān)的顯著性。通常P≤0.01，表示液化特性與煤質(zhì)特性線性相關(guān)很顯著；0.010.05，表示液化特性與煤質(zhì)特性無(wú)相關(guān)性。

由表1可以看出：煤轉(zhuǎn)化率與C和O元素含量、O/C原子比、惰質(zhì)組含量的P均不大于0.01，R也較大，說(shuō)明其相關(guān)性很顯著；而與鏡質(zhì)組含量、Rmax(X12)的P在0.01～0.05范圍內(nèi)，說(shuō)明其相關(guān)性較顯著。同理，油產(chǎn)率只與H元素含量顯著相關(guān)；水產(chǎn)率與C和O元素含量、O/C原子比、Rmax的相關(guān)性很顯著，而與揮發(fā)分、H元素含量，鏡質(zhì)組、惰質(zhì)組含量相關(guān)性較顯著；氣產(chǎn)率與C和O元素含量、O/C原子比、鏡質(zhì)組和惰質(zhì)組含量、Rmax的相關(guān)性很顯著，而與揮發(fā)分、S元素含量的相關(guān)性較顯著；瀝青質(zhì)產(chǎn)率與揮發(fā)分含量、C和O元素含量、O/C原子比、Rmax相關(guān)性很顯著，與H/C原子比相關(guān)性較顯著。氫耗與N元素含量相關(guān)性很顯著，與C和O元素含量、O/C原子比、鏡質(zhì)組含量、Rmax相關(guān)較顯著。

此外，煤轉(zhuǎn)化率、水產(chǎn)率、氣產(chǎn)率、氫耗與C元素含量、Rmax成負(fù)相關(guān)，與O元素含量、O/C原子比成正相關(guān)，而瀝青質(zhì)產(chǎn)率則相反，與C元素含量、Rmax成正相關(guān)，與O含量、O/C原子比成負(fù)相關(guān)。

表1 煤質(zhì)特性與液化特性的相關(guān)性分析結(jié)果Table 1 Correlation analysis of coal characteristics and liquefaction properties

1.2 煤質(zhì)特性與煤轉(zhuǎn)化率回歸分析

由線性相關(guān)性分析可知，X2、X6、X8、X9、X11、X12可能是影響Y1的因素。因此以X2、X6、X8、X9、X11、X12為自變量，Y1為因變量，用SPSS 22.0軟件建立多元線性回歸模型[27-29]對(duì)其進(jìn)行回歸擬合，其中置信區(qū)間為95%水平[30]，結(jié)果見(jiàn)表2模型Z1；在多元線性回歸模型的基礎(chǔ)上，采用逐步回歸分析法，在顯著性水平α=0.10下剔除不符合顯著性要求的變量，得到2種逐步回歸分析模型(模型Z2和Z3)。其中F為回歸模型方差與殘差的比值，是模型的整體檢驗(yàn)。F通常要與其臨界值Fα作比較，其中α為顯著性水平，取α=0.05；若F>Fα，表示模型是可靠的；反之則沒(méi)有統(tǒng)計(jì)學(xué)意義。T檢驗(yàn)是對(duì)單個(gè)自變量的顯著性檢驗(yàn)。B為各自變量在回歸方程中的系數(shù)，Beta為標(biāo)準(zhǔn)回歸系數(shù)。方差膨脹因子(VIF)代表各自變量的多重共線性，一般若VIF>10 則說(shuō)明各自變量之間存在較強(qiáng)的多重共線性。

由表2可以看出，模型Z1的Pearson相關(guān)系數(shù)R=0.768，修正決定系數(shù)Adj-R2為0.444，說(shuō)明模型線性擬合效果較好。模型Z1的F0.05=2.699，F(xiàn)檢驗(yàn)值為4.063，因此F>Fα，說(shuō)明該多元回歸模型可靠；而且，其P為0.01，表明Y1與X2、X6、X8、X9、X11、X12等6種煤質(zhì)特性的線性關(guān)系很顯著。得到回歸方程為：

Y1=70.719+0.512X2-1.808X6+181.475X8-0.109X9-0.236X11-7.886X12

(1)

式(1)中不同自變量的取值范圍和量化程度是不同的。例如：C質(zhì)量分?jǐn)?shù)的取值范圍為0～1，O/C原子比的取值范圍為0～0.4。若C質(zhì)量分?jǐn)?shù)和O/C原子比均由0增至0.4，二者變化數(shù)值一樣，但增幅不同。前者增幅為40%，后者增幅達(dá)100%，從而導(dǎo)致無(wú)法直接用系數(shù)B判斷哪個(gè)自變量對(duì)因變量影響程度更大。因此，需要將數(shù)據(jù)標(biāo)準(zhǔn)化，即將原始數(shù)據(jù)減去相應(yīng)變量的均數(shù)后再除以該變量的標(biāo)準(zhǔn)差，得到采用標(biāo)準(zhǔn)化回歸系數(shù)(Beta)的標(biāo)準(zhǔn)化回歸方程。Beta系數(shù)的絕對(duì)值越大，自變量對(duì)因變量的影響越大。由表2的Beta系數(shù)可知，影響煤轉(zhuǎn)化率從大到小的因素依次為O/C原子比、O質(zhì)量分?jǐn)?shù)、惰質(zhì)組含量、C質(zhì)量分?jǐn)?shù)、Rmax、鏡質(zhì)組含量。

此外，T檢驗(yàn)對(duì)應(yīng)各自變量的P均超過(guò)0.05，說(shuō)明單自變量對(duì)煤轉(zhuǎn)化率均沒(méi)有顯著影響[31-32]。同時(shí)，除X12外，其他自變量的VIF均超過(guò)10，說(shuō)明各個(gè)自變量間存在較強(qiáng)的多重共線性[33-34]，從而導(dǎo)致多元線性回歸擬合模型的可靠性較差。

對(duì)逐步回歸模型Z2和Z3進(jìn)行F檢驗(yàn)，結(jié)果表明：其F分別為11.506和9.005，而其F0.05分別為4.301和3.467，F(xiàn)>Fα；其P分別為0.003和0.001，均小于0.01。因此，模型Z2和Z3得到的回歸方程均有統(tǒng)計(jì)學(xué)意義。由模型Z2和Z3自變量的T檢驗(yàn)可知：其P<0.05，說(shuō)明各自變量的影響是顯著的；其VIF<10，說(shuō)明各自變量之間已不存在多重共線性。而與模型Z2相比，模型Z3的逐步回歸方程擬合度更高，相關(guān)系數(shù)R為0.679。其擬合精度雖不如多元線性回歸模型，但因消除了自變量的多重共線性，結(jié)果可靠性更高。其回歸方程為：

Y1=97.738-0.103X11-4.679X12

(2)

由模型3可以看出，煤轉(zhuǎn)化率與惰質(zhì)組含量、Rmax成負(fù)相關(guān)，且惰質(zhì)組含量對(duì)應(yīng)Beta的絕對(duì)值大于Rmax的，說(shuō)明惰質(zhì)組含量對(duì)轉(zhuǎn)化率的影響高于Rmax。這與文獻(xiàn)[24]研究結(jié)果一致。Rmax是反映煤變質(zhì)程度的重要指標(biāo)，一般隨煤變質(zhì)程度的加深而增加[35]。因此，對(duì)煤液化而言，煤變質(zhì)程度越低，Rmax越小，越利于液化。

表2 煤質(zhì)特性與轉(zhuǎn)化率回歸模型的方差分析和回歸系數(shù)Table 2 Variance analysis and regression coefficients of coal characteristics and conversion rates

1.2 煤質(zhì)特性與水產(chǎn)率回歸分析

為了避免自變量間的多重共線性，以Y3為因變量，X1、X2、X3、X6、X8、X9、X11、X12為自變量，直接進(jìn)行逐步回歸分析，結(jié)果見(jiàn)表3。由表3可以看出，Y3僅受X8的影響，其回歸方程為：

Y3=5.736+53.472X8

(3)

表3 煤質(zhì)特性與水產(chǎn)率回歸模型的方差分析和回歸系數(shù)Table 3 Variance analysis and regression coefficients of coal characteristics and water yields

該模型的相關(guān)系數(shù)R為0.906，修正決定系數(shù)Adj-R2為0.813，說(shuō)明逐步回歸模型線性擬合效果很好。文獻(xiàn)[36]研究發(fā)現(xiàn)，在煤液化過(guò)程中，煤中77.83%(質(zhì)量分?jǐn)?shù)，下同)的氧元素會(huì)與氫氣反應(yīng)生成水，11.58%的氧會(huì)生成COx，10.73%的氧會(huì)留在液化油及殘?jiān)小Ｒ虼?，若O/C原子比增加，預(yù)示著煤的變質(zhì)程度較低，更易液化。因此，液化油及殘?jiān)辛舸娴难蹩赡軙?huì)進(jìn)一步轉(zhuǎn)化變成水及COx；同時(shí)由于C含量的降低，可能會(huì)減少COx的生成，從而提高水產(chǎn)率。

1.3 煤質(zhì)特性與氣產(chǎn)率回歸分析

以Y4為因變量，X1、X2、X5、X6、X8、X9、X11、X12為自變量進(jìn)行逐步回歸分析，得到3個(gè)逐步回歸分析模型(Q1、Q2、Q3)，結(jié)果見(jiàn)表4。由表4可知，與模型Q1和Q2相比，模型Q3的逐步回歸方程相關(guān)系數(shù)為0.825，擬合程度最高。其回歸方程為：

Y4=-33.379+0.535X6+0.089X9+0.429X2

(4)

因此，煤液化的氣產(chǎn)率與C、O元素含量和鏡質(zhì)組含量呈正相關(guān)。其中，O元素含量對(duì)氣產(chǎn)率的影響最大，C元素含量次之，鏡質(zhì)組含量影響最小。這是因?yàn)镺含量越高，煤的變質(zhì)程度越低；鏡質(zhì)組含量越高，越易液化生成液化油和氣體。文獻(xiàn)[36]研究表明，煤中的C元素約有12%(質(zhì)量分?jǐn)?shù))會(huì)進(jìn)入氣體中，因此，C元素含量的升高可能會(huì)提高氣體產(chǎn)率。

表4 煤質(zhì)特性與氣產(chǎn)率的方差分析和回歸系數(shù)Table 4 Variance analysis and regression coefficients of coal characteristics and gas yields

1.4 煤質(zhì)特性與瀝青質(zhì)產(chǎn)率回歸分析

以Y5為因變量，X1、X2、X6、X7、X8、X12為自變量進(jìn)行逐步回歸分析，得到2個(gè)逐步回歸分析模型(L1、L2)，結(jié)果見(jiàn)表5。與模型L1相比，模型L2的逐步回歸方程擬合程度更高，相關(guān)系數(shù)R為0.720，為較優(yōu)模型，其回歸方程為：

Y5=14.453+12.062X12-16.783X7

(5)

Rmax越高，煤的變質(zhì)程度越高，煤越難以液化，從而導(dǎo)致瀝青質(zhì)產(chǎn)量會(huì)增加；而H/C原子比越高，越易液化，瀝青質(zhì)產(chǎn)量也越低。由模型2可以看出，瀝青質(zhì)產(chǎn)率與Rmax呈正相關(guān)，與H/C原子比呈負(fù)相關(guān)，與理論分析是相符的，且Rmax對(duì)瀝青質(zhì)產(chǎn)率的影響高于H/C原子比。

表5 煤質(zhì)特性與瀝青質(zhì)產(chǎn)率的方差分析和回歸系數(shù)Table 5 Variance analysis and regression coefficients of coal characteristics and asphaltene yields

1.5 煤質(zhì)特性與氫耗回歸分析

以Y6為因變量，X2、X4、X6、X8、X9、X12為自變量進(jìn)行逐步回歸分析，得到2個(gè)模型(H1、H2)，結(jié)果見(jiàn)表6。與模型H1相比，模型H2的逐步回歸方程擬合程度最高，相關(guān)系數(shù)R為0.690，為較優(yōu)模型，其回歸方程為：

Y6=3.800+0.756X4+0.053X6

(6)

由式(6)可以看出，氫耗與煤中的N、O元素含量呈正相關(guān)，且N含量的影響要高于O含量的。文獻(xiàn)[36]研究表明，煤中的N元素和O元素經(jīng)過(guò)液化反應(yīng)后，有50%(質(zhì)量分?jǐn)?shù))的N元素會(huì)與氫反應(yīng)生成氨，有77.83%的O元素會(huì)與氫反應(yīng)生成水。因此，當(dāng)煤中N、O元素含量較高，會(huì)導(dǎo)致氫耗增加。至于N含量對(duì)氫耗的影響高于O含量的原因，目前還未有合理解釋，仍需進(jìn)一步深入研究，推測(cè)可能是因樣本數(shù)偏少導(dǎo)致的。

表6 煤質(zhì)特性與氫耗方差分析和多元線性回歸系數(shù)Table 6 Variance analysis and multiple linear regression coefficients of coal characteristics and hydrogen consumption

1.6 煤質(zhì)特性與油產(chǎn)率關(guān)系

前文通過(guò)SPSS 22.0軟件分析煤質(zhì)特性與油產(chǎn)率相關(guān)性發(fā)現(xiàn)，Y2只與X3顯著相關(guān)。對(duì)其進(jìn)行逐步線性回歸可得關(guān)系方程：

Y2=45.150+3.633X3

(7)

方程(7)的相關(guān)系數(shù)R為0.476，決定系數(shù)R2為0.227，修正決定系數(shù)Adj-R2為0.192，擬合程度較低。在煤炭直接液化試驗(yàn)中，油產(chǎn)率是多個(gè)煤質(zhì)特性綜合作用的結(jié)果，除了受X3影響外，還可能受X1、X2、X11、X12等因素影響，只是影響可能不顯著。因此，為了更好地反映油產(chǎn)率與煤質(zhì)特性的關(guān)系，采用差減公式：Y2=Y1+Y6-Y3-Y4-Y5，可間接得到油產(chǎn)率與煤質(zhì)特性的關(guān)系。經(jīng)過(guò)計(jì)算，其擬合方程為：

Y2=114.728-0.429X2+0.756X4-
0.482X6+16.783X7-53.472X8-
0.089X9-0.103X11-16.741X12

(8)

2 回歸模型預(yù)測(cè)效果

2.1 煤種預(yù)測(cè)值與實(shí)驗(yàn)值的對(duì)比分析

為判斷回歸模型的預(yù)測(cè)效果，將回歸分析預(yù)測(cè)值與液化試驗(yàn)值進(jìn)行對(duì)比，選擇二者的標(biāo)準(zhǔn)誤差(Std. Error)、平均相對(duì)誤差(M.R.Error)、平均絕對(duì)誤差(Re.Error)作為評(píng)價(jià)指標(biāo)[37]，結(jié)果見(jiàn)圖1和表7。由圖1和表7可知：回歸分析的轉(zhuǎn)化率預(yù)測(cè)值與試驗(yàn)值的標(biāo)準(zhǔn)誤差、平均相對(duì)誤差、平均絕對(duì)誤差均較小，說(shuō)明回歸模型對(duì)轉(zhuǎn)化率的預(yù)測(cè)效果較好；由回歸分析得到和由差減公式計(jì)算得到的油產(chǎn)率預(yù)測(cè)值與試驗(yàn)值的標(biāo)準(zhǔn)誤差、平均相對(duì)誤差和平均絕對(duì)誤差相近，均不超過(guò)3.50%，且后者的三項(xiàng)誤差更小。這說(shuō)明通過(guò)差減公式計(jì)算得到的油產(chǎn)率與試驗(yàn)值吻合度好于回歸分析，也證實(shí)了油產(chǎn)率不僅受氫元素含量的影響，而且受多個(gè)煤質(zhì)特性綜合影響。

圖1 回歸分析結(jié)果與試驗(yàn)結(jié)果對(duì)比Fig.1 Comparison of regression analysis results with experimental results(a) Conversion; (b) Oil yield; (c) Water yield; (d) Gas yield; (e) Asphaltene yield; (f) Hydrogen consumption

回歸分析得到的水產(chǎn)率、氣產(chǎn)率、氫耗的預(yù)測(cè)值與試驗(yàn)值的標(biāo)準(zhǔn)誤差和平均絕對(duì)誤差很小，均不超過(guò)1.0%，但二者的平均相對(duì)誤差都較高，在4.4%～7.6%之間。回歸分析得到的瀝青質(zhì)產(chǎn)率預(yù)測(cè)值與試驗(yàn)值的標(biāo)準(zhǔn)誤差和平均絕對(duì)誤差較低，而平均相對(duì)誤差很大，為43.39%。這是由煤液化產(chǎn)物的選擇性不同及物料平衡波動(dòng)共同作用造成的。在煤液化過(guò)程中，為了提高油品收率，在保證煤轉(zhuǎn)化率較高的同時(shí)，必須抑制水、氣、瀝青質(zhì)的生成，盡可能多地得到油品，且減少氫氣的消耗。因此，在煤液化過(guò)程中，水、氣、瀝青質(zhì)、氫氣的生成或消耗數(shù)值較小。煤液化過(guò)程的油產(chǎn)率一般在60%以上，而瀝青質(zhì)產(chǎn)率為1.28%～12.39%。當(dāng)物料平衡的波動(dòng)為±2%時(shí)，若該波動(dòng)全由瀝青質(zhì)產(chǎn)率波動(dòng)造成，則瀝青質(zhì)產(chǎn)率的相對(duì)誤差為16.14%～156.25%；若該波動(dòng)全由油產(chǎn)率波動(dòng)造成，則油產(chǎn)率的相對(duì)誤差不超過(guò)3.33%?？梢?jiàn)，同等物料平衡波動(dòng)下，瀝青質(zhì)產(chǎn)率的相對(duì)誤差明顯高于油產(chǎn)率的，因而瀝青質(zhì)產(chǎn)率的平均相對(duì)誤差會(huì)比較明顯。但實(shí)際水產(chǎn)率、氣產(chǎn)率、瀝青質(zhì)產(chǎn)率及氫耗的標(biāo)準(zhǔn)誤差和平均絕對(duì)誤差均很小，均不超過(guò)2.09%，低于油產(chǎn)率的標(biāo)準(zhǔn)誤差和平均絕對(duì)偏差，說(shuō)明逐步回歸預(yù)測(cè)的模型整體可靠性較好[38]。

表7 試驗(yàn)值與預(yù)測(cè)值的誤差分析Table 7 Error analysis of experimental value and calculated value

2.2 驗(yàn)證煤種預(yù)測(cè)值與試驗(yàn)值的對(duì)比分析

為了驗(yàn)證回歸模型適用性，選擇其他地方或者不同煤層的煤種作為驗(yàn)證煤種，對(duì)其模型預(yù)測(cè)值與試驗(yàn)值進(jìn)行對(duì)比，結(jié)果如表8所示。由表8可知：驗(yàn)證煤種的轉(zhuǎn)化率預(yù)測(cè)值與試驗(yàn)值的標(biāo)準(zhǔn)誤差、平均相對(duì)誤差、平均絕對(duì)誤差均低于2.10%；差減法得到的油產(chǎn)率預(yù)測(cè)值與試驗(yàn)值的標(biāo)準(zhǔn)誤差、平均相對(duì)誤差和平均絕對(duì)誤差均低于2.25%；預(yù)測(cè)值與試驗(yàn)值吻合度較高，說(shuō)明模型也可以用于其他液化煤種的評(píng)價(jià)與篩選。

表8 驗(yàn)證煤種試驗(yàn)值與預(yù)測(cè)值的誤差分析Table 8 Error analysis of other coals experimental value and calculated value

從平均相對(duì)誤差角度來(lái)看，回歸模型對(duì)驗(yàn)證煤種水產(chǎn)率、氣產(chǎn)率、氫耗的預(yù)測(cè)值與試驗(yàn)值的誤差較大，預(yù)測(cè)的可靠性較差。但從標(biāo)準(zhǔn)誤差和平均絕對(duì)誤差角度來(lái)看，以上4項(xiàng)參數(shù)二者的數(shù)值都很小，逐步回歸預(yù)測(cè)的模型可靠性較好。

3 結(jié) 論

(1)煤質(zhì)特性及其液化特性的相關(guān)性分析發(fā)現(xiàn)，液化特性與多種煤質(zhì)特性相關(guān)性顯著。除油產(chǎn)率外，煤轉(zhuǎn)化率、水產(chǎn)率、氣產(chǎn)率、瀝青質(zhì)產(chǎn)率和氫耗均受C和O元素含量、O/C原子比、Rmax等4種煤質(zhì)特性的影響，其中，煤轉(zhuǎn)化率、水產(chǎn)率、氣產(chǎn)率、氫耗與C元素含量、Rmax成負(fù)相關(guān)，與O元素含量、O/C原子比成正相關(guān)；而瀝青質(zhì)產(chǎn)率與C元素含量、Rmax成正相關(guān)。

(2)通過(guò)多元線性回歸分析與逐步回歸分析發(fā)現(xiàn)，液化特性不同，受煤質(zhì)特性的影響也不同。如轉(zhuǎn)化率主要受惰質(zhì)組含量和Rmax的影響，其中惰質(zhì)組含量對(duì)轉(zhuǎn)化率的影響要高于Rmax；瀝青質(zhì)產(chǎn)率主要受H/C原子比和Rmax的影響，其中Rmax對(duì)瀝青質(zhì)產(chǎn)率的影響要高于H/C原子比。

(3)對(duì)比模型預(yù)測(cè)值與液化試驗(yàn)值發(fā)現(xiàn)，預(yù)測(cè)值與試驗(yàn)值的標(biāo)準(zhǔn)誤差不超過(guò)3.30%，平均絕對(duì)誤差不超過(guò)3.28%，完全可以用于初步評(píng)價(jià)和篩選適合液化的煤種。