基于机器学习的煤质近红外光谱分析
致谢 | 第1-5页 |
摘要 | 第5-7页 |
Abstract | 第7-9页 |
Extended Abstract | 第9-17页 |
图清单 | 第17-21页 |
表清单 | 第21-23页 |
1 绪论 | 第23-35页 |
·研究动机 | 第23-24页 |
·研究现状 | 第24-27页 |
·煤质分析的研究现状 | 第24-25页 |
·近红外光谱技术的研究现状 | 第25页 |
·煤质近红外光谱分析技术的研究现状 | 第25-26页 |
·研究存在的问题 | 第26-27页 |
·研究目标 | 第27-28页 |
·研究内容与方法 | 第28-31页 |
·成果及意义 | 第31-32页 |
·本文结构 | 第32-33页 |
·本章小结 | 第33-35页 |
2 相关工作综述 | 第35-50页 |
·煤样采取与制备 | 第35-38页 |
·煤炭的采样 | 第35-37页 |
·煤样的制备 | 第37-38页 |
·煤质标准分析 | 第38-41页 |
·煤中水分测定 | 第38-39页 |
·煤中灰分测定 | 第39-40页 |
·煤中挥发分测定 | 第40页 |
·煤的发热量测定 | 第40-41页 |
·煤样光谱数据采集 | 第41-44页 |
·基本原理 | 第41-42页 |
·近红外光谱分析仪 | 第42-44页 |
·基础分析模型 | 第44-48页 |
·基础建模分析的理论与方法 | 第45-47页 |
·分析模型的评估函数 | 第47-48页 |
·本章小结 | 第48-50页 |
3 建模样本的优化选择 | 第50-67页 |
·煤粒度对光谱数据准确性的影响 | 第50-54页 |
·实验数据 | 第50-52页 |
·实验方法 | 第52-53页 |
·结果与讨论 | 第53-54页 |
·基于迭代裁剪法的异常样本剔除 | 第54-59页 |
·理论基础 | 第55页 |
·异常样本的迭代裁剪过程 | 第55-57页 |
·结果与讨论 | 第57-59页 |
·基于并行最小二乘回归估计的争议样本判别 | 第59-65页 |
·理论基础 | 第59-60页 |
·争议样本的判别过程 | 第60-62页 |
·结果与讨论 | 第62-65页 |
·本章小结 | 第65-67页 |
4 光谱数据的恢复处理 | 第67-90页 |
·常用的光谱恢复方法 | 第67-73页 |
·方法原理 | 第67-69页 |
·结果与讨论 | 第69-73页 |
·基于拟线性局部加权法的光谱散射校正 | 第73-79页 |
·基础原理 | 第73-75页 |
·拟线性曲线与局部加权函数的选取 | 第75-76页 |
·结果与讨论 | 第76-79页 |
·基于粗糙惩罚法的光谱优化平滑模式 | 第79-88页 |
·基本理论 | 第80-81页 |
·粗糙惩罚法 | 第81-82页 |
·端点信息修补 | 第82-83页 |
·参数优化 | 第83页 |
·光谱的 D 阶导数 | 第83-84页 |
·结果与讨论 | 第84-88页 |
·本章小结 | 第88-90页 |
5 光谱数据的压缩处理 | 第90-113页 |
·基于要点排序法的波长点向前选择 | 第90-97页 |
·基础原理 | 第91页 |
·要点排序法 | 第91-92页 |
·特征光谱波长点的筛选过程 | 第92-93页 |
·结果与讨论 | 第93-97页 |
·基于优化组合法的谱区选择 | 第97-105页 |
·基于谱区排序的向前选择法 | 第97-98页 |
·基于遗传算法的谱区选择 | 第98-100页 |
·结果与讨论 | 第100-105页 |
·基于核主成分分析的光谱特征提取 | 第105-111页 |
·方法原理 | 第105-106页 |
·结果与讨论 | 第106-111页 |
·本章小结 | 第111-113页 |
6 煤质近红外光谱定量分析模型的构建 | 第113-131页 |
·基于集成神经网络方法的定量分析模型 | 第113-123页 |
·基础原理 | 第114-115页 |
·神经网络集成与参数优化 | 第115-117页 |
·结果与讨论 | 第117-123页 |
·待测样本集的预测与修正 | 第123-130页 |
·待测样本集的预测 | 第123-127页 |
·待测样本集的修正 | 第127-130页 |
·本章小结 | 第130-131页 |
7 结论 | 第131-135页 |
·本文所做的工作 | 第132-133页 |
·需要进一步研究的问题 | 第133-135页 |
参考文献 | 第135-148页 |
附录 1 | 第148-152页 |
作者简历 | 第152-155页 |
学位论文数据集 | 第155页 |