数学模型对光谱进行计算，可以在短时间内得到煤质 挥发分参数并给出相应的预测值置信区间。相比于化学方法检测，全自动、方便、快捷;相比 于射线分析法更安全。
【附图说明】
[0045]图1为本发明的系统工作流程图。
[0046] 图2为本发明的检测系统立体示意图。
[0047] 图中：1采样设备，2破碎设备，3破碎后煤颗粒，4煤样传送带，5传送带驱动电机，6 平板叶片软匀料器，7匀料器驱动电机，8近红外光谱仪，9计算机。
[0048] 图3为本发明的计算机端利用近红外光谱数据进行建模预测煤挥发分的算法框 图。
[0049] 图4为本发明的一实施例PCA-GP模型所得置信水平为99.74%的挥发分预测结果。
【具体实施方式】
[0050] 下面通过实施例并结合附图，对本发明的技术方案作进一步具体的说明。
[0051]本实施例中，近红外光谱煤挥发分快速检测方法的整个系统的工作流程图如图1 所示，包括用于实时采集分析样本的煤样采样模块，用于处理原始煤样本至符合近红外光 谱分析条件的煤样预处理模块，用于获取煤样光谱数据的光谱采集模块以及进行煤样挥发 分值预测分析的建模分析模块。对应地，检测系统的示意图如图2所示。
[0052]采样模块主要包括采样设备1，由机械化采样系统构成，可以是二级采样或者三级 采样设备，实现定时采样和缩分。固定时间间隔地从煤碳生产线或运输线上上采集煤样并 进行充分混合与缩分，采样设备的采样时间间隔与采样量可进行调整，保证检测传送带上 的煤样不间断。
[0053]煤样预处理模块主要包括破碎设备2、传送带装置和匀料器。破碎设备2由不同的 破碎机组成，可以是不同级别的破碎机组成多级破碎，例如可由锤式破碎机组成第一级破 碎，得到颗粒直径l〇mm以下的粗煤粒，再由对辊式破碎机组成第二级破碎，得到颗粒直径 3mm以下的细煤粒，破碎粒级可根据实际情况进行调整。破碎后得到的煤粒3进入传送带中。 传送带装置由传送带4和驱动传送带运行的电机5组成的，破碎得到的煤样落入传送带中， 要求能够平稳慢速地运输，保证光谱采集时稳定不振动。传送带4采用皮带式，通过驱动电 机5带动，将传送带维持在运行状态，要求传送带能够低速平稳运行，可以配以合适的差速 器和变频器来对电机进行速度控制。匀料器6由若干平板叶片轮与驱动叶轮的电机7组成， 叶轮安装于传送带上方，破碎设备出料口后方，通过旋转把煤样表面摊平，保证在光谱采集 时表面煤样本表面较为平整。同时要求叶轮高度可调，以得到适于光谱扫描分析的煤层厚 度。
[0054]光谱采集模块为近红外光谱仪8，其光源位于传送带上方，匀料器后方，对摊平的 煤样进行从上到下的垂直式照射，得到实时的近红外光谱并将数据传输至计算机9。近红外 光谱仪可采用分光式或者傅利叶式漫反射光谱仪，可调整扫描时间和扫描次数，以获得更 具代表性的光谱数据。
[0055] 建模分析模块包括可用于对煤挥发分值进行建模预测分析的计算机9。所用模型 主要基于高斯过程，并可进行相关的优化拓展。本实施例中使用的基于高斯过程的建模分 析方法有两种:方法一为基本的高斯过程(GP)预测模型;方法二为由主成分分析(PCA)和高 斯过程融合的PCA-GP预测模型。所用模型的算法框图如图3所示。
[0056] 本实施例中所使用的建模数据，来自山西东曲、河东、马兰、屯兰等16座煤矿，共4 种煤种，包括焦煤、肥煤、瘦煤、贫瘦煤。为保证数据均衡性与模型可靠性，四种煤样本数保 持一致，这里焦煤、肥煤、贫瘦煤各50个样本，瘦煤由于有一个样本采样化验污染，作无效样 本处理，共49个样本。在扫描获取光谱数据时，固定时间间隔地从煤碳生产线或运输线上采 集煤样并进行充分混合与缩分得到适量一级煤样，进入破碎设备2;将所得一级煤样经由破 碎设备2充分破碎至3mm以下的细煤粒，得到的二级煤样进入传送带4中；二级煤样的颗粒直 径在6mm以下；调整传送带速度，使其能够低速平稳运行，运行速度0.6m/min;调整勾料器叶 轮高度，所经煤样由匀料器旋转使其表面摊平，进而得到厚度为l〇mm的适于后续光谱扫描 的、表面较为平整的煤层(三级煤样），后经传送带3运送至光谱仪8;调整近红外光谱仪的光 源至合适位置，光谱扫描的谱段为1000_2500nm，每条谱扫描平均60次，每个煤样以5秒间隔 共采谱15次，取15条光谱的最终平均光谱作为该样本光谱数据，以此最终获得共199个样 本。
[0057]将所得199个样本分别用基于高斯过程三种方法进行的建模分析:方法一为基本 的高斯过程(GP)预测模型;方法二为由主成分分析(PCA)和高斯过程融合的PCA-GP预测模 型。建模过程所涉及的光谱预处理方法为：提取有效波段范围在1350nm-2400nm区间的光 谱；基于GP模型进行离群点检测剔除。所涉及的高斯过程核函数为平方指数协方差函数 (SE)。所涉及的高斯过程参数估计采用两轮网格法搜索寻优。方法二所涉及的PCA降维过程 经基于贡献率并搜索寻优得到，最终确定主成分数为8个。所得模型根据以校正均方根误差 (RMSEC)、留一法交叉验证均方根误差(RMSECV)、Pearson相关系数R以及变异系数CV为指标 综合评价。
[0058]图4所示为对样本点经方法二PCA-GP用留一法交叉验证后输出的预测结果，可见 该方法不但较为准确地给出了挥发分值的预测值，而且给出了预测值的三倍标准差置信区 间，对应的置信水平为99.74%，方法还可根据实际需求调整置信水平。
[0059] 表1基于近红外光谱的煤挥发分建模方法对比
[0060]
[0061] 为具体评估本发明中基于高斯过程的挥发分预测模型的建模效果，将用方法一 (GP)和方法二(PCA-GP)同常用的近红外光谱建模方法偏最小二乘回归(PLSR)针对本例样 本做建模对比，采用相同方法得出的评价指标，所有方法的结果均为综合优化后的最佳结 果，见表1。可以看出，在与PCA融合之后，基于高斯过程的预测模型RMSEC(1.41-->0.07)、 RMSECV(1.79-->0.10)和CV(9.68-->0.57)都显著下降，表明模型融合大大改善了模型对内 部样本的拟合精度和外部样本的预测精度，同时相关系数R(〇. 93->0.99)显著增大，表明 融合方法对模型相关程度的提高也大有帮助。相比于目前应用最广的PLSR，PCA-GP方法也 同样在预测精度上有明显优势（RMSEC:(K07vs·(K16，RMSECV:0·10vs·(K14，CV: 0.57vs.0.78)〇
[0062] 上面所描述的具体实施例仅仅是对本发明的优选实施方式进行描述，并非对本发 明的范围进行限定，在不脱离本发明设计精神的前抻下，本领域相关技术人员对本发明的 各种变形和改进，均应扩如本发明权利要求书所确定的保护范围内。
[0063] 尽管本文较多地使用了均方根误差、变异系数等术语，但并不排除使用其它术语 的可能性。使用这些术语仅仅是为更方便地描述和解释本发明的本质;把它们解释成任何 一种附加的限制都是与本发明精神相违背的。
【主权项】
1. 一种基于高斯过程的近红外光谱煤挥发分快速检测方法，其特征在于，包括以下步 骤： 1) 利用近红外光谱仪，扫描煤样得到每个样本的光谱数据S0,并以煤样的挥发分值作 为标定值Y0; 2) 对所述的光谱数据SO进行预处理，得到处理后的光谱S1; 3) 确定高斯过程核函数，并根据所述的光谱S1和标定值Y0进行参数寻优计算，得到相 应的高斯过程模型GP; 4) 采集未知煤样的光谱数据，并重复步骤2)中的操作，得到未知煤样的光谱S; 5) 以光谱S作为所述高斯过程模型GP的输入，得到所述未知煤样的挥发分参数。2. 如权利要求1所述的近红外光谱煤挥发分快速检测方法，其特征在于，所述的预处理 包括依次进行的有效波长识别和离群点检测。3. 如权利要求2所述的近红外光谱煤挥发分快速检测方法，其特征在于，所述的有效波 长识别为提取有效波段范围在1350nm-2400nm区间的光谱。4. 如权利要求1所述的近红外光谱煤挥发分快速检测方法，其特征在于，在步骤3)中， 以平方指数协方差函数SE为所述的高斯过程核函数，其表示为：其中，XnB为分别表示两个变量，k为协方差函数，定义了两个变量之间的近似度， 1为高斯内核中的参数。5. 如权利要求1所述的近红外光谱煤挥发分快速检测方法，其特征在于，在步骤3)中， 得到所述的高斯过程模型GP后需对模型进行评价验证，评价指标包括校正均方根误差、留 一法交叉验证均方根误差或预测均方根误差、Pearson相关系数R以及变异系数CV。6. -种基于高斯过程的近红外光谱煤挥发分快速检测方法，其特征在于，包括以下步 骤： 1) 利用近红外光谱仪，扫描煤样得到每个样本的光谱数据S0,并以煤样的挥发分值作 为标定值Y0; 2) 对所述的光谱数据SO进行预处理，得到处理后的光谱S1; 3) 对所述的光谱S1进行PCA降维处理，得到光谱S2; 4) 确定高斯过程核函数，并根据所述的光谱S2和标定值Y0进行参数寻优计算，得到相 应的高斯过程模型GP; 5) 采集未知煤样的光谱数据，并重复步骤2)和步骤3)中的操作，得到未知煤样的光谱 S； 6) 以光谱S作为所述高斯过程模型GP的输入，得到所述未知煤样的挥发分参数。7. 如权利要求6所述的近红外光谱煤挥发分快速检测方法，其特征在于，进行PCA降维 处理时，选用基于贡献率并限定范围内的搜索结合RMSECV来确定最优主成分数。
【专利摘要】本发明公开了一种基于高斯过程的近红外光谱煤挥发分快速检测方法，包括以下步骤：1)利用近红外光谱仪，扫描煤样得到每个样本的光谱数据S0，并以煤样的挥发分值作为标定值Y0；2)对所述的光谱数据S0进行预处理，得到处理后的光谱S1；3)确定高斯过程核函数，并根据所述的光谱S1和标定值Y0进行参数寻优计算，得到相应的高斯过程模型GP；4)采集未知煤样的光谱数据，并重复步骤2)中的操作，得到未知煤样的光谱S；5)以光谱S作为所述高斯过程模型GP的输入，得到所述未知煤样的挥发分参数。本发明通过采集煤样光谱，结合基于高斯过程的数学模型对光谱进行计算，可以在短时间内得到煤质挥发分参数并给出相应的预测值置信区间。
【IPC分类】G01N21/359
【公开号】CN105606563
【申请号】CN201610058279
【发明人】孟丽诚
【申请人】山西汾西矿业（集团）有限责任公司, 浙江大学
【公开日】2016年5月25日
【申请日】2016年1月28日