基于可见光-近红外光谱的煤岩识别方法实验研究

摘要：

以淮南矿区谢桥矿和潘二矿的煤和岩石样本为研究对象,通过地物光谱仪采集样本反射率光谱曲线,同时检测样本氧化物含量、水分、灰分及挥发分含量,将样本的反射率光谱曲线和样本成分含量分别作为自变量,样本类别"煤"和"岩石"两种矿物类型作为因变量,建立煤和岩石识别模型对煤和岩石进行二分类.该研究主要采用三种模型,分别为主成分分析结合支持向量机(PCA-SVM)、主成分分析结合BP神经网络(PCA-BP)模型和核主成分分析结合支持向量机(KPCA-SVM)模型.结果表明,基于可见光近红外光谱的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为95.5％,验证平均精度约为90.56％;基于样本成分的三个模型中,核主成分分析结合支持向量机模型的识别精度最高,建模平均精度为98.5％,验证平均精度约为95％.

关键词：可见光-近红外光谱、主成分分析、核主成分分析、支持向量机、BP神经网络

所属期刊栏目：42

分类号：TP79(遥感技术)

资助基金：国家自然科学基金;国家自然科学基金;安徽省重点研发计划项目

在线出版日期：2022-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2135-2142