首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--自动推理、机器学习论文

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

论文共155页,点击 下载论文
上一篇:多组分反应构建杂环化合物的合成研究
下一篇:中间相小球体源质分离及碳质中间相制备与应用