小波变换与神经网络融合法在油页岩近红外光谱分析中的应用

摘要：

便携式近红外光谱分析技术可实现油页岩含油率的原位检测,在油页岩资源现场勘查中发挥着重要作用.但是,由于其测得的原始光谱数据量大、冗余信息多,直接建模会影响速度与精度.因此提出一种小波变换与神经网络融合法,先将油页岩全谱数据进行db8小波3级分解,提取其近似系数形成输入矩阵,然后再进行神经网络建模.为了验证有效性,利用30个油页岩合成样品,从中随机选择20个用于训练,另外10个用于预测,并分别使用全谱数据与小波特征数据进行了10次神经网络建模.结果表明,全谱数据建模速度均值为570.33 s,预测残差平方和及相关系数均值分别为0.006012及0.84375;而小波神经网络法对应的以上均值为3.15 s,0.002048及0.95319.由此说明小波神经网络法优于全谱数据建模法,为油页岩含油率的快速、高精度检测提供了一种新方法.

关键词：近红外光谱、小波变换、神经网络、油页岩、含油率

所属期刊栏目：33

分类号：O657.33(分析化学)

资助基金：国家潜在油气资源油页岩勘探开发利用产学研用合作创新项目子课题OSR-02-04;吉林省科技发展计划项目20116014

在线出版日期：2013-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：968-971