数据挖掘技术在煤质近红外光谱分析中的应用研究

发布时间：2021-11-26 22:45

　　为有效指导煤炭的性质研究和加工利用,促进煤炭产业的升级,需快速、准确的掌握煤炭品质规律。近红外光谱分析技术具有绿色、高效、在线分析等优势,为煤质快速分析开辟了一条新途径。煤质近红外光谱分析属于间接分析方法,获得高品质的建模数据,是其成功应用的关键技术之一。因此,本文主要研究煤样光谱数据中有效信息的挖掘问题,通过建立统一的BP与PLS模型对相关方法的性能进行评估,并在此基础上设计一个简单的煤质近红外光谱分析管理系统。本文选用来自不同地区的146组煤样,每组煤样制备完成后分成两部分,用于获取煤样的近红外光谱数据和水分、灰分、挥发分、全硫分的化学标准值,分别作为定量分析模型的输入与输出。针对煤炭异常光谱样本的筛选,给出了基于K均值聚类改进留一交叉验证法与马氏迭代剪裁法。实验结果表明,所给出的算法能够有效改善预测模型的准确性与稳定性。其中,经改进留一交叉验证法筛选后预测性能较优,PLS与BP神经网络定量分析模型的均方根误差分别由0.046925、0.047087降低至0.017338、0.019975。针对光谱采集时易参杂诸如样品背景、杂散光等无关信息的问题,本文使用均值中心化、标准正态变量变... 

【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究目标与论文结构
2 煤炭的近红外光谱分析技术
    2.1 煤质近红外光谱分析法的可行性分析
    2.2 数据采集
    2.3 近红外光谱技术分析流程
    2.4 常用分析方法
    2.5 分析方法性能的评价函数
    2.6 本章小结
3 异常样本筛选方法
    3.1 异常样本产生的原因
    3.2 基于改进留一交叉验证法的异常样品筛选
    3.3 基于马氏迭代剪裁法的异常样品筛选
    3.4 本章小结
4 光谱数据特征提取
    4.1 光谱数据恢复
    4.2 基于局部多尺度变换的光谱数据压缩
    4.3 基于局部线性嵌入算法的光谱数据压缩
    4.4 基于二次迭代寻优的KPCA数据压缩
    4.5 本章小结
5 煤质近红外光谱分析管理系统设计
    5.1 引言
    5.2 系统总体设计
    5.3 煤质NIRS分析管理系统界面设计
    5.4 数据库管理
    5.5 本章小结
6 结论与展望
参考文献
作者简历
学位论文数据集



本文编号：3521063