基于LVQ与SVM算法的近红外光谱煤产地鉴别

发布时间：2017-11-15 05:15

  本文关键词：基于LVQ与SVM算法的近红外光谱煤产地鉴别

  更多相关文章： 煤产地鉴别 近红外光谱 SVM LVQ PSO

【摘要】：传统煤产地鉴别方法一般以发热量、挥发分、粘结指数、哈氏可磨指数和坩埚膨胀序数作为分类指标,过程复杂耗时较多、耗费巨大的人力、物力并且无法直接快速的得到煤样产地等问题,借助近红外光谱技术快速无损检测的优势,利用基于SVM的留一算法对光谱数据集进行异常样本剔除,得到包含正确光谱信息的煤样光谱数据集,构造基于SVM算法与LVQ算法的定性分析模型,完成基于近红外光谱分析技术的煤产地的快速鉴别,无需对煤样的各种指标进行汇总并且人为预测。针对SVM分析模型中存在随机参数优化问题,引入PSO算法对SVM模型中的损失参数C和核函数半径g进行改进,得到最优参数,最后引入计算准确率的方法对比以上模型并进行评价分析。实验一共收集了加拿大、俄罗斯、澳大利亚、印度尼西亚、中国内蒙等5个地区的煤样光谱数据集,数据集共计305组煤样样本,其中异常样本共计10组,分别选择各国煤炭光谱的前31组作为训练样本,后6组数据作为测试样本,结果表明各分类模型的分类准确率均能达到75%以上,其中基于PSO算法改进的SVM分析模型的准确率可达到96.67%,仅一个样本出现问题,可快速高效地实现基于近红外光谱分析技术的煤产地的鉴别。
【作者单位】： 中国矿业大学信息与电气工程学院;
【基金】：国家自然科学基金项目(51304194) 江苏省自然科学基金项目(BK20140215) 中国博士后科学基金项目(2014M551695)资助
【分类号】：O657.33;TQ533
【正文快照】： 引言地质变化过程漫长复杂,由于多种地质因素的干扰,煤矿内煤炭成分也千差万别。造成煤炭的多样化的原因很多,主要是由成煤原始物质、成煤年份、还原程度和成因类别上的差异,再加上各种变质作用的影响[1]。传统煤产地鉴别方法复杂耗时较多,并且要使用特定的实验仪器,如马弗炉

【相似文献】

中国期刊全文数据库 前7条

1 庄新国,杨生科,曾荣树,徐文东;中国几个主要煤产地煤中微量元素特征[J];地质科技情报;1999年03期

2 黄建明;;新疆伊犁盆地尼勒克县可尔克煤产地含煤地层时代划分探讨[J];中国西部科技;2010年16期

3 王国力，张启林，马珂，，马国林，史仲武;华亭煤产地含煤岩系成因地层分析及主煤层成因[J];沉积学报;1995年04期

4 李万程;;豫西晚古生代煤产地的“表皮构造”[J];煤田地质与勘探;1979年02期

5 李晓玲;;煤产地含煤地层的沉积规律及控制因素[J];西部探矿工程;2006年09期

6 杨诚友 ,廖国祥;三都矿区唐洞煤矿中小型构造规律探讨[J];湖南科技大学学报(自然科学版);1985年00期

7 ;[J];;年期

中国重要会议论文全文数据库 前2条

1 ;国土资源金土工程——我国煤炭资源潜力数据库建设[A];2008年度中国地质科技新进展和地质找矿新成果资料汇编[C];2008年

2 梅远飞;赵新;唐军;孙万赋;;新疆拜城煤的谱学研究[A];第十六届全国波谱学学术会议论文摘要集[C];2010年

中国重要报纸全文数据库 前2条

1 记者 黄爱民;广西局一五○队发现大型焦煤产地[N];中煤地质报;2010年

2 陈金凤;陕西府谷古城发现特大型煤产地[N];中国矿业报;2010年

本文编号：1188500