可解释人工智能用于煤炭哈氏可磨性指数预测附录

数据集概述

本数据集为论文《可解释人工智能用于煤炭哈氏可磨性指数预测：遗传规划与线性回归方法》的附录文件，包含煤炭哈氏可磨性指数（HGI）预测模型的背景信息及煤炭样本统计分析，支持相关回归模型开发与验证。

文件详解

数据集包含一个DOCX格式的文档文件，具体如下： - 文件名称：Appendix.docx - 文件格式：DOCX - 文件内容： - 附录A（回归模型摘要）：汇总多出版物中用于HGI预测的各类回归模型，含塞尔维亚、波兰、印度等多国数据集信息 - 附录B（CAER数据集统计与可视化）：902个煤炭样本的统计描述（变量含水分、灰分等理化性质，提供最小值、最大值、均值、标准差）及箱线图，附相关文献引用

适用场景

• 煤炭加工研究：支持煤炭哈氏可磨性指数预测模型的开发与优化
• 能源工程分析：分析煤炭理化性质与可磨性的关联关系
• 机器学习应用：验证可解释人工智能方法在煤炭工业预测场景的适用性
• 文献综述参考：追溯煤炭HGI预测相关研究的原始方法与数据集