10.3964/j.issn.1000-0593(2018)02-0352-06
全谱段光谱分析的块状商品煤种类鉴别
常规的煤炭鉴别方法需进行繁琐的制样过程,且需结合多种化学参数指标进行综合判定,以得到较为准确的分析结果.提出一种基于500~2350 nm的可见-近红外全谱段光谱分析技术与多层感知器(mul-tilayer perceptron,MLP)分类方法相结合的块状商品煤鉴别方法.该方法具有非接触、无前期制样、无化学分析的优势,可快速高效的获取煤炭的分类信息.采用地物光谱仪采集煤炭原始光谱数据,对噪声过大、影响后续处理的谱段进行删除,剩余部分采用小波阈值去噪法进行噪声去除.将去噪后的数据分成三个数据集:可见-近红外光谱(500~900 nm)数据集、短波红外光谱(1000~2350 nm)数据集、全谱段光谱(500~2350 nm)数据集.对以上三个数据集进行主成分分析,将提取出的25个主成分输入多层感知器分类模型.多层感知器模型由输入层、隐藏层(两层)、softmax分类器构成.对三个数据集进行分类精度的对比,并采用随机森林(random forest,RF)与支持向量机(support vector machine,SVM)两种分类算法进行进一步的验证分析.结果表明:对块状商品煤分类,全谱段光谱分析技术由于数据信息量丰富,能够得到更优的分类效果,在训练样本数为132时,采用M LP分类器的分类精度最高,为98.03%;随机森林与SVM的分类结果验证了全谱段数据集的优越性与普适性.该研究为煤炭的在线分析、便携式煤炭检测仪器的研发提供了可靠的技术支持.
全谱段、块状商品煤种类鉴别、多层感知器、主成分分析
38
O657.3(分析化学)
国家自然科学基金项目41501391
2018-03-13(万方平台首次上网日期,不代表论文的发表时间)
共6页
352-357