-
题名近红外光谱灰分预测模型中煤炭样本的优化方法
被引量：12
- 1
-
-
作者
赵凯
雷萌
-
机构
淮北矿业(集团)有限责任公司祁南煤矿
中国矿业大学信电学院
-
出处
《工矿自动化》
北大核心
2012年第9期35-38,共4页
-
基金
教育部高等学校博士学科点专项科研基金资助项目(20110095110011)
-
文摘
针对近红外光谱灰分预测模型中样本数据特有的问题,首先采用主成分分析方法剔除建模样本集中的异常样本,并提取出煤炭光谱的特征信息;然后提出一种集成自组织映射神经网络和模糊C均值聚类算法的双层聚类方法,将样本集分为5个子集,并滤除其中的争议点;最后搭建基于GA-BP神经网络的煤炭灰分预测子模型,单独分析各子集的测试集样本。实验结果表明,基于主成分分析和双层聚类方法的煤炭样本优化方法不仅能准确排除异常样本和可疑样本,还能有效地压缩样本数据,使得各子模型的学习精度和运算速度得到显著提高。该方法为近红外光谱煤质分析技术的发展应用提供了一种有效可行的新途径。
-
关键词
煤质分析
煤炭灰分
煤炭样本优化
灰分预测模型
近红外光谱分析
煤炭光谱特征
双层聚类方法
-
Keywords
coal quality analysis, coal ash, optimization of coal sample, ash prediction model, near
-
分类号
TD926.3
[矿业工程—选矿]
-
