申请/专利权人：西安石油大学

申请日：2024-01-12

公开（公告）日：2024-04-09

公开（公告）号：CN117849027A

主分类号：G01N21/71

分类号：G01N21/71;G01N21/3563;G06F18/25;G06F18/27

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.26#实质审查的生效;2024.04.09#公开

摘要：本发明提供了一种基于光谱数据融合的煤质分析方法，具体的基于激光诱导击穿光谱和傅里叶变换红外光谱数据融合，包括以下步骤，首先分别基于获取的激光诱导击穿光谱和傅里叶变换红外光谱数据构建核极限学习机校正模型，并采用海洋捕食者算法对模型输入变量和参数进行同时优化；然后基于优化后的模型获得待测样品预测结果；最后基于决策级数据融合策略将两种模型获得的预测结果进行融合，获得待测样品的最终预测值。本发明中的方法利用两种技术的互补性，提高了煤质分析结果的准确性和可靠性；而引入基于海洋捕食者的模型参数和输入变量同时优化方法，则进一步提高了校正模型的预测性能。

主权项：1.一种基于光谱数据融合的煤质分析方法，其特征在于：包括以下步骤：S1、以煤质特性参数数值已知的一组煤炭样品作为校正集样品，分别利用激光诱导击穿光谱LIBS和傅里叶变换红外FTIR光谱对校正集样品进行分析，得到相应的光谱数据；S2、基于归一化方法对获得的两种光谱数据进行预处理，分别以预处理后的光谱数据作自变量，对应煤质特性参数作因变量，构建核极限学习机KELM定量分析模型；S3、基于海洋捕食者MPA算法对模型参数和输入变量进行同时优化，以获得最优的预测模型LIBS-KELM和FTIR-KELM；S4、对于煤质特性参数值未知的待测样品，首先利用激光诱导击穿光谱和傅里叶变换红外光谱进行检测，得到待测样品光谱数据；然后基于S2进行归一化处理；最后将获得的光谱数据分别代入S3中获得的模型，求得待测样品的煤质特性参数值XLIBS,P和XFTIR,P；S5、基于5折交叉验证和校正集煤质特性参数构建二元回归方程：Yfusion,CV＝W0+W1XLIBS,CV+W2XFTIR,CV其中Yfusion,CV为决策级数据融合获得的交叉验证预测结果；XLIBS,CV和XFTIR,CV分别为LIBS和FTIR的交叉验证结果；W1和W2分别为LIBS和FTIR预测结果的权重；W0为二元线性回归的截距；S6、采用海洋捕食者算法MPA对W1和W2进行估计，交叉验证预测值与参考值残差平方和作为适应度函数；S7、基于步骤S4获得的待测样品预测值和S6获得的W1和W2值，即计算出待测样品的最终预测值Yfusion,P：Yfusion,P＝W0+W1XLIBS,P+W2XFTIR,P。

全文数据：

权利要求：

百度查询： 西安石油大学 一种基于光谱数据融合的煤质分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD