近红外光谱灰分预测模型中煤炭样本的优化方法_中国煤炭行业知识服务平台

近红外光谱灰分预测模型中煤炭样本的优化方法

作者

赵凯雷萌
单位

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
摘要

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
基金项目(Foundation)

教育部高等学校博士学科点专项科研基金资助项目(20110095110011)；
相关文章

[1]遗传神经网络在近红外光谱煤质分析中的应用研究
[2]粒子群优化算法在煤炭发热量预测中的应用
[3]近红外光谱煤质分析模型中异常样品的剔除方法