全谱段光谱分析的块状商品煤种类鉴别

• 作者: 任嘮 孙雪剑 岑奕 张立福 戴晓爱 王楠 田亚铭
• 来源期刊: 光谱学与光谱分析
• 学科: 化学
• 关键词: 全谱段 块状商品煤种类鉴别 多层感知器 主成分分析
• 年，卷（期）: 2018,（2）
• 页码范围: 352-357
• 页数: 6页
• 分类号: O657.3
• 字数: 4829字
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2018)02-0352-06

摘要

常规的煤炭鉴别方法需进行繁琐的制样过程,且需结合多种化学参数指标进行综合判定,以得到较为准确的分析结果.提出一种基于500~2350 nm的可见-近红外全谱段光谱分析技术与多层感知器(mul-tilayer perceptron,MLP)分类方法相结合的块状商品煤鉴别方法.该方法具有非接触、无前期制样、无化学分析的优势,可快速高效的获取煤炭的分类信息.采用地物光谱仪采集煤炭原始光谱数据,对噪声过大、影响后续处理的谱段进行删除,剩余部分采用小波阈值去噪法进行噪声去除.将去噪后的数据分成三个数据集:可见-近红外光谱(500~900 nm)数据集、短波红外光谱(1000~2350 nm)数据集、全谱段光谱(500~2350 nm)数据集.对以上三个数据集进行主成分分析,将提取出的25个主成分输入多层感知器分类模型.多层感知器模型由输入层、隐藏层(两层)、softmax分类器构成.对三个数据集进行分类精度的对比,并采用随机森林(random forest,RF)与支持向量机(support vector machine,SVM)两种分类算法进行进一步的验证分析.结果表明:对块状商品煤分类,全谱段光谱分析技术由于数据信息量丰富,能够得到更优的分类效果,在训练样本数为132时,采用M LP分类器的分类精度最高,为98.03%;随机森林与SVM的分类结果验证了全谱段数据集的优越性与普适性.该研究为煤炭的在线分析、便携式煤炭检测仪器的研发提供了可靠的技术支持.