采用KPCA特征提取的近红外煤炭发热量预测模型

• 作者: 李明 雷萌
• 来源期刊: 化工学报
• 关键词: 近红外光谱分析技术 核主成分分析 GA-BP神经网络模型 煤炭发热量
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 过程系统工程
• 页码范围: 3991-3995
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3969/j.issn.0438-1157.2012.12.036

摘要

近红外光谱分析技术通过搭建基于GA-BP神经网络方法的定量分析模型,实现煤炭发热量的快速评估.为了提高模型的学习速度和精度,必须对光谱信息进行数据处理.该过程属于复杂的非线性问题,经典的线性主成分分析方法具有一定的局限性,因此采用了一种基于多项式核主成分分析特征提取方法.通过分析主成分的特征值筛选异常样本.实验结果表明,该方法提取的特征信息主成分集中度高、降维效果明显、与输出变量间的相关性好,且能够准确判断出异常样本,大幅度提高了模型的准确性,为近红外煤质分析模型提供了一种分析速度快、准确率高的有效数据处理方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李明	中国矿业大学信息与电气工程学院	156	1155	20.0	27.0
2	雷萌	中国矿业大学信息与电气工程学院	18	75	5.0	8.0