RF-CARS结合LIF光谱用于矿井涌水的预测评估

发布时间：2021-09-29 18:10

　　快速且准确识别矿井涌水水源对于防范煤矿水灾事故有着重大的研究意义。利用激光诱导荧光（LIF）光谱融合智能分类算法进行矿井涌水水源识别打破了传统水化学方法耗时过长等不足,具有灵敏度高、响应速度快等特点;然而目前这些已使用的算法仅能依靠分类准确率定性判别不同矿井涌水水样的种类。把随机森林（RF）算法和竞争性自适应重加权（CARS）算法相结合,基于激光诱导荧光的水样荧光光谱数据建立偏最小二乘回归（PLSR）模型来预测不同矿井涌水的含量,实现水样的定量评估。首先,采集300组以老空水为基础混入不同含量砂岩水的矿井涌水样本,将采集到的水样按4∶1比例随机划分成校正集和预测集,校正集共240组用于建立回归模型,预测集共60组用于预测不同水样,搭建激光诱导荧光涌水光谱系统完成光谱数据的获取并生成荧光光谱图。然后分别通过S-G卷积平滑法和Lowess平滑法对原始荧光光谱进行去噪处理,发现处理后的荧光光谱较原始光谱更为分散,适合光谱分析,对比了两种去噪方法的预测精度,选择Lowess平滑法作为最终去噪方法。接着采用RF算法约简去噪后属性重要度较低的光谱属性,依据最优回归模型的性能选择约简出的223个属性... 

【文章来源】：光谱学与光谱分析. 2020,40(07)北大核心EISCICSCD

【文章页数】：6 页

【部分图文】：

激光诱导荧光涌水光谱系统

分别对原始光谱采用S-G卷积平滑和Lowess平滑方法进行去噪预处理, 都采用3个窗口进行平滑, 如图3所示。 较原始荧光光谱, 由于第四、 五两组水样老空水含量相近, 光谱依然存在部分重叠情况, 但其他重叠部分更为分散, 整体水样更容易区分, 说明经S-G卷积平滑和Lowess平滑去噪预处理后的涌水荧光光谱更适合光谱分析。图3 预处理后的荧光光谱

预处理后的荧光光谱

【参考文献】：
期刊论文
[1]基于云平台的矿井水害智慧应急救援系统与应用[J]. 武强,徐华,赵颖旺,杜沅泽,张小燕,穆文平,姚义.  煤炭学报. 2018(10)
[2]激光诱导击穿光谱结合竞争自适应重加权采样算法对猪饲料中铜元素的定量分析[J]. 刘珊珊,张俊,林思寒,刘木华,黎静,潘作栋.  激光与光电子学进展. 2018(02)
[3]唐山矿塌陷区积水与矿井潜在水力联系研究[J]. 刘国旺,常浩宇,郭均中.  煤炭科学技术. 2017(08)
[4]基于随机森林特征选择的视频烟雾检测[J]. 文泽波,康宇,曹洋,魏梦,宋卫国.  中国科学技术大学学报. 2017(08)
[5]基于主成分分析的多项Logistic回归模型的突水水源判别研究[J]. 张好,姚多喜,鲁海峰,薛凉,朱宁宁.  高校地质学报. 2017(02)
[6]KNN结合PCA在激光诱导荧光光谱识别矿井突水中的应用[J]. 何晨阳,周孟然,闫鹏程.  光谱学与光谱分析. 2016(07)
[7]干扰环境下通信传输信号优化仿真研究[J]. 刘文霞.  计算机仿真. 2016(05)



本文编号：3414207