基于DW-KNN的煤炭水分含量快速无损检测方法

基于dw-knn的煤炭水分含量快速无损检测方法
技术领域
1.本发明涉及一种煤炭水分含量快速无损检测方法，尤其是一种基于dw-knn的煤炭水分含量快速无损检测方法。


背景技术：

2.水分是衡量煤炭经济价值的四个基本指标(水分、灰分、挥发分、固定碳)之一。在煤炭炼焦和燃烧过程中，煤炭水分含量过高或过低都会造成煤炭利用效率降低、环境污染和能源浪费等问题，因此，快速、准确地检测煤炭水分含量具有重要意义。
3.煤炭水分含量的测量方法主要分为直接和间接测量法。直接测量的方法是标准重量法，俗称失重法，主要分为氮气干燥法和空气干燥法。标准重量法是一种实验室测量方法，可以获得较高的测量精度；但该方法耗时较长，需要破坏样品的原有性质。
4.常规的间接测量方法主要有中子法、电导法、电容法、红外反射法、微波法等。中子法测定煤中氢的原理是以测定样品中氢的含量为基础的。然而，除了水，煤中还有许多化学杂质也含有氢。此外，仪器造价昂贵，使用放射性中子源存在风险。电导法和电容法受温度、密度、电解质含量等多种因素的影响，在没有补偿策略的情况下，精度较差。红外反射法对混合液体样品水分含量的检测具有良好的效果。对于固体的检测，只能检测小颗粒样品的表面水分(渗透深度在微米以内)。微波法具有安全、稳定、无损、非接触等优点，最常用的是自由空间传输测量方法。该方法通常只选取微波的单点频率或离散频段作为校准信号，这会导致与水分含量关联密切的信号丢失；且拟合方法简单，检测精度较低，鲁棒性不高。


技术实现要素：

5.本发明的目的是克服现有技术中存在的不足，提供一种基于dw-knn的煤炭水分含量快速无损检测方法，其在无损情况下实现煤炭水分含量的检测，提高检测精度以及鲁棒性能。
6.按照本发明提供的技术方案，一种基于dw-knn的煤炭水分含量快速无损检测方法，所述煤炭水分含量快速无损检测方法包括如下步骤：
7.步骤1、构建基于dw-knn的煤炭水分含量检测模型，其中，构建基于dw-knn的煤炭水分含量检测模型时，制作的训练数据集包括煤炭训练样本的煤炭训练样本水分含量标签以及煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭训练样本微波s参数波谱信息，利用所制作的训练数据集对dw-knn模型训练，以构建得到基于dw-knn的煤炭水分含量检测模型；
8.步骤2、提供待检测水分含量的煤炭标本，获取所述煤炭标本与煤炭训练样本微波s参数波谱信息相一致的煤炭标本微波s参数波谱信息，利用上述基于dw-knn的煤炭水分含量检测模型对获取的煤炭标本微波s参数波谱信息处理，以得到并输出所述煤炭标本的水分含量。
9.步骤1中，制作训练数据集时，具体包括如下步骤：
10.步骤1.1、采集不同区域的原煤样本，并对采集的所有原煤样本均筛分处理，并将筛分后的原煤样本均匀地平铺在相应的承载器中，并对承载器内的原煤样本干燥，以得到不同区域下的实验煤炭样本；
11.步骤1.2、对上述得到不同区域下的实验煤炭样本，均依次经过密封冷却、喷水搅拌、密封静置处理，以得到在预设煤炭训练样本水分含量标签下的煤炭训练样本；
12.步骤1.3、对上述得到的煤炭训练样本进行微波测试，以得到相应区域的煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭样本微波s参数波谱信息。
13.步骤1.2中，在喷水搅拌时，对任一实验煤炭样本，根据预设煤炭训练样本水分含量标签确定的喷水质量为：
[0014][0015]
其中，m
add
是喷水的质量，m
c&m
是实验煤炭样本与水混合的质量，mc
before
是实验煤炭样本的水分含量，mc
after
是煤炭训练样本的煤炭样本水分含量标签。
[0016]
步骤1.3中，对煤炭训练样本微波测试时，对任一煤炭训练样本，采集获取在8.05ghz～12.01ghz频率下相应频点的波谱数据，以得到所述煤炭训练样本的煤炭样本微波s参数波谱信息，其中，一煤炭训练样本的所有的煤炭样本微波s参数波谱数据构成一条微波s参数波谱初始曲线。
[0017]
对来自同一区域的所有煤炭训练样本的微波s参数波谱初始曲线进行预处理，以在预处理后得到煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭样本微波s参数波谱信息，其中，预处理包括如下步骤：
[0018]
步骤1.3.1、对任一微波s参数波谱初始曲线进行线性拟合，并计算微波s参数波谱初始曲线与所述微波s参数波谱初始曲线的线性拟合直线相应的波谱数据距离，得到波谱数据线性拟合距离矩阵d，
[0019][0020]
其中，a[m-1][i]为第m-1条微波s参数波谱初始曲线第i个频率点的波谱数据，a*[m-1][i]为第m-1条微波s参数波谱初始曲线相应的线性拟合直线第i个频率点的拟合波谱数据，n为测试得到每条微波s参数波谱初始曲线相应频率点的个数，m为微波s参数波谱初始曲线的条数；
[0021]
步骤1.3.2、对上述波谱数据线性拟合距离矩阵d内的波谱数据线性拟合距离与预设的距离阈值进行比较，剔除大于所述距离阈值的微波s参数波谱初始曲线，以得到当前区域相应的煤炭样本微波s参数波谱曲线；
[0022]
所有区域的煤炭样本微波s参数波谱曲线构成训练数据集的煤炭训练样本微波s参数波谱信息。
[0023]
所述预设距离阈值为1.5
×
dis_m，其中，dis_m为当前原煤样本所在区域的波谱数
据线性拟合距离排序后的距离中位数。
[0024]
将制作的训练数据集按煤炭训练样本的采集区域划分，以得到多组训练数据子集；
[0025]
将训练数据子集依照留一交叉验证法输入k近邻数时的dw-knn模型，并分别计算在不同k近邻数时的评价指标的交叉验证均值，选取评价指标交叉验证均值最优时k近邻数，并根据所选择评价指标交叉验证均值最优时的k近邻数，构建得到基于dw-knn的煤炭水分含量检测模型。
[0026]
基于dw-knn的煤炭水分含量检测模型对煤炭标本微波s参数波谱信息处理得到煤炭标本的水分含量时，包括如下步骤：
[0027]
步骤2.1、计算煤炭标本微波s参数波谱信息与第q个煤炭训练样本δq的欧氏距离
[0028][0029]
其中，为煤炭标本微波s参数波谱信息第p个频率点相应的波谱数据，δ
qp
为第q个煤炭训练样本δq的煤炭训练样本微波s参数波谱信息第p个频率点相应的波谱数据；
[0030]
步骤2.2、将计算得到的所有欧式距离按升序排序，确定与前k个欧式距离分别对应的煤炭训练样本；
[0031]
步骤2.3、根据所选择确定的前k个欧式距离以及相应的煤炭训练样本，计算得到并输出所述煤炭标本的水分含量为：
[0032][0033]
其中，为煤炭标本的水分含量，ψ(δj)为确定前k个煤炭训练样本中第j个煤炭训练样本δj的煤炭训练样本水分含量标签，σj为确定前k个煤炭训练样本中第j个煤炭训练样本δj的距离权重，为确定的前k个欧式距离内相应的第j个欧氏距离。
[0034]
步骤1.1中，采用13mm筛孔的筛子对原煤样本筛分处理，且对提供待检测水分含量的煤炭标本，也需要采用13mm筛孔的筛子对煤炭标本筛分，对筛分后的煤炭标本获取所述煤炭标本与煤炭训练样本微波s参数波谱信息相一致的煤炭标本微波s参数波谱信息。
[0035]
还包括用于微波测试的微波测试系统，所述微波测试系统包括矢量网络分析仪以及两个与所述矢量网络分析仪适配的喇叭天线，在两个正对应放置的喇叭天线间放置用于收纳煤炭样本或煤炭标本的样本容器，所述矢量网络分析仪与测试主控制器电连接。
[0036]
本发明的优点：构建基于dw-knn的煤炭水分含量检测模型，获取所述煤炭标本与煤炭训练样本微波s参数波谱信息相一致的煤炭标本微波s参数波谱信息，利用上述基于dw-knn的煤炭水分含量检测模型对获取的煤炭标本微波s参数波谱信息处理，以得到并输出所述煤炭标本的水分含量，即在无损情况下实现煤炭水分含量的检测，提高检测精度以及鲁棒性能。
附图说明
[0037]
图1为本发明的流程图。
[0038]
图2为本发明微波测试系统的示意图。
[0039]
附图标记说明：1-测试主控制器、2-矢量网络分析仪、3-喇叭天线以及4-样本容器。
具体实施方式
[0040]
下面结合具体附图和实施例对本发明作进一步说明。
[0041]
如图1所示：为了在无损情况下实现煤炭水分含量的检测，提高检测精度以及鲁棒性能，本发明的煤炭水分含量快速无损检测方法包括如下步骤：
[0042]
步骤1、构建基于dw-knn的煤炭水分含量检测模型，其中，构建基于dw-knn的煤炭水分含量检测模型时，制作的训练数据集包括煤炭训练样本的煤炭训练样本水分含量标签以及煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭训练样本微波s参数波谱信息，利用所制作的训练数据集对dw-knn模型训练，以构建得到基于dw-knn的煤炭水分含量检测模型；
[0043]
具体地，dw-knn(distance weighted k-nearestneighbor)模型是一种基于距离加权的k近邻算法，为现有常用的模型，dw-knn的具体情况与现有相一致，为本技术领域人员所熟知。利用dw-knn模型构建煤炭水分含量检测模型，即得到基于dw-knn的煤炭水分含量检测模型。在利用dw-knn模型构建基于dw-knn的煤炭水分含量检测模型时，需要制作训练数据集，并利用所制作的训练数据集对dw-knn模型训练，并在训练得到基于dw-knn的煤炭水分含量检测模型。
[0044]
对于训练数据集，包括煤炭训练样本的煤炭训练样本水分含量标签以及煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭训练样本微波s参数波谱信息，一煤炭训练样本的煤炭训练样本水分含量标签即为所述煤炭训练样本的当前水分含量值。煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭训练样本微波s参数波谱信息，具体是指煤炭训练样本的煤炭训练样本微波s参数波谱信息与所述煤炭训练样本的煤炭训练样本水分含量标签呈一一对应。
[0045]
对于训练数据集的制作过程，以及构建到基于dw-knn的煤炭水分含量检测模型的具体过程，通过下述表述进行具体说明。
[0046]
具体实施时，制作训练数据集时，具体包括如下步骤：
[0047]
步骤1.1、采集不同区域的原煤样本，并对采集的所有原煤样本均筛分处理，并将筛分后的原煤样本均匀地平铺在相应的承载器中，并对承载器内的原煤样本干燥，以得到不同区域下的实验煤炭样本；
[0048]
本发明实施例中，原煤样本的区域，可以根据实际需要选择，此处不再赘述。一般地，原煤样本可以通过人工采集得到。将采集的来自不同区域的原煤样本分别经过13mm筛孔的筛子筛分处理后，在筛分后分别均匀地平铺在耐高温铝盘中；将铝盘放入鼓风干燥箱在108℃下干燥2小时，得到实验煤炭样本；即上述承载器可以采用耐高温铝盘，当然，承载器还可以采用其他的形式，具体可以根据需要选择，此处不再一一列举说明。
[0049]
具体实施时，取经过筛选后的原煤样本500
±
10g，均匀地平铺在耐高温铝盘中，原
煤样本的厚度不超过其最大颗粒直径的2倍。
[0050]
步骤1.2、对上述得到不同区域下的实验煤炭样本，均依次经过密封冷却、喷水搅拌、密封静置处理，以得到在预设煤炭训练样本水分含量标签下的煤炭训练样本；
[0051]
本发明实施例中，将实验煤炭样本从鼓风干燥箱取出后，立即装入带有密封盖的桶中进行密封冷却处理，同时，称取此时干燥煤炭样本的质量，以备后续计算所需；待煤炭样本冷却至常温后，打开密封盖并向煤炭样本喷洒一定量的水，同时缓慢搅拌煤炭样本以使煤与水充分混合；将煤炭样本再次密封，并置于室温环境中6小时以上，使水分在煤中充分扩散，最终得到煤炭训练样本。
[0052]
具体实施时，所有实验过程均是在室内常温环境下进行的；干燥煤炭样本的质量通过称取干燥煤炭和桶的总重减去桶的净重得到的；在执行向实验煤炭样本喷水并搅拌步骤时，尽量减少煤炭样本与空气的接触时间，并及时进行密封处理，防止空气中的水分对实验结果产生干扰；可采用本技术领域常用的技术手段执行实验煤炭样本喷水并搅拌步骤的过程，具体可以可根据实际需要选择。
[0053]
本发明实施例中，在喷水搅拌时，对任一实验煤炭样本，根据预设煤炭训练样本水分含量标签确定的喷水质量为：
[0054][0055]
其中，m
add
是喷水的质量，m
c&m
是实验煤炭样本与水混合的质量，mc
before
是实验煤炭样本的水分含量，mc
after
是煤炭训练样本的煤炭样本水分含量标签。
[0056]
具体实施时，可以根据实际需求预设一煤炭训练样本水分含量标签，预设煤炭训练样本水分含量标签的可以根据原煤样本的情况合理设置，在设置煤炭训练样本水分含量标签后，即可确定喷水质量，从而最终能制备得到所需的煤炭训练样本以及所制作煤炭训练样本的煤炭训练样本水分含量标签。由于实际实验时，难以控制所喷水的质量，因此，喷水之后可通过前后质量差重新计算新的煤炭样本水分含量以进行误差校正。
[0057]
在喷水时，可以通过多次喷水操作最终达到预设煤炭训练样本水分含量标签。当通过多次喷水操作时，实验煤炭样本的水分含量mc
before
为上次喷水后的水分含量，如在密封冷却后，第一次喷水搅拌时，则实验煤炭样本的水分含量mc
before
为0或接近0的一个数值。第一次喷水后且在第二次喷水前，即可能得到相应的验煤炭样本的水分含量mc
before
，其余情况以此类推，此处不再赘述。
[0058]
步骤1.3、对上述得到的煤炭训练样本进行微波测试，以得到相应区域的煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭样本微波s参数波谱信息。
[0059]
具体地，还包括用于微波测试的微波测试系统，利用微波测试系统实现对煤炭训练样本的微波测试，图2中示出了微波测试系统的一种具体实施情况，具体地：所述微波测试系统包括矢量网络分析仪2以及两个与所述矢量网络分析仪2适配的喇叭天线3，在两个正对应放置的喇叭天线3间放置用于收纳煤炭样本或煤炭标本的样本容器4，所述矢量网络分析仪2与测试主控制器1电连接。
[0060]
具体地，测试主控制器1可以采用现有常用的计算机，其主要用于操控矢量网络分析仪2收发微波信号并进行微波s参数波谱信息的可视化，测试主控制器1通过数据传输线与矢量网络分析仪2连接，所述矢量网络分析仪2可以采用现有常用便携式分析仪，矢量网
络分析仪2的具体情况与现有相一致，为本技术领域人员所熟知，此处不再赘述。矢量网络分析仪2的两个信号端口分别通过同轴电缆线连接矩形的喇叭天线3，两个喇叭天线3口对口相对放置，并被安装在一架水平直线滑轨上，喇叭天线3的天线口间距10cm，喇叭天线3可采用现有常用的形式，喇叭天线3与矢量网络分析仪2的具体连接配合形式与现有相一致。
[0061]
通过样本容器4能收纳煤炭样本，样本容器4放置于喇叭天线3中轴线中心区域，本发明实施例中，矢量网络分析仪2发射和接收的8.05-12.01ghz频率的微波信号共包含133个频率点，通过矢量网络分析仪2的133个频率点，可以得到133个波谱数据。喇叭天线3选择增益为20db的eia标准wr90波导型喇叭天线，样本容器4选择厚度为3mm的pmma材料的矩形容器。
[0062]
具体实施时，对煤炭训练样本微波测试时，对任一煤炭训练样本，采集获取在8.05ghz～12.01ghz频率下相应频点的波谱数据，以得到所述煤炭训练样本的煤炭样本微波s参数波谱信息，其中，一煤炭训练样本的所有的煤炭训练样本微波s参数波谱数据构成一条微波s参数波谱初始曲线。
[0063]
由上述说明可知，对任一煤炭训练样本，在133个频率点作用下，能得到133个波谱数据，即包含133个煤炭训练样本微波s参数波谱数据，因此，利用一煤炭训练样本的133个煤炭训练样本微波s参数波谱数据可构成一条微波s参数波谱初始曲线。具体实施时，一频率点下的波谱数据具体是指插入损耗参数s21，其中，插入损耗参数s21的具体情况与现有相一致，此处不再赘述。
[0064]
具体实施时，对不同区域采集或不同煤炭训练样本水分含量标签下的煤炭训练样本，经过微波测试后，能够生成一条微波s参数波谱初始曲线，微波s参数波谱初始曲线总的数量可以根据实际需要选择确定。
[0065]
进一步地，对来自同一区域的所有煤炭训练样本的微波s参数波谱初始曲线进行预处理，以在预处理后得到煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭样本微波s参数波谱信息，其中，预处理包括如下步骤：
[0066]
步骤1.3.1、对任一微波s参数波谱初始曲线进行线性拟合，并计算微波s参数波谱初始曲线与所述微波s参数波谱初始曲线的线性拟合直线相应的波谱数据距离，得到波谱数据线性拟合距离矩阵d，
[0067][0068]
其中，a[m-1][i]为第m-1条微波s参数波谱初始曲线第i个频率点的波谱数据，a*[m-1][i]为第m-1条微波s参数波谱初始曲线相应的线性拟合直线第i个频率点的拟合波谱数据，n为测试得到每条微波s参数波谱初始曲线相应频率点的个数，m为微波s参数波谱初始曲线的条数；
[0069]
步骤1.3.2、对上述波谱数据线性拟合距离矩阵d内的波谱数据线性拟合距离与预设的距离阈值进行比较，剔除大于所述距离阈值的微波s参数波谱初始曲线，以得到当前区
域相应的煤炭样本微波s参数波谱曲线；
[0070]
所有区域的煤炭样本微波s参数波谱曲线构成训练数据集的煤炭训练样本微波s参数波谱信息。
[0071]
具体地，任一微波s参数波谱初始曲线，可采用本技术领域常用的技术手段实现线性拟合，具体线性拟合的方式等可以根据需要选择，此处不再赘述。在线性拟合后，能得到与一微波s参数波谱初始曲线正对应的线性拟合直线。由上述说明可知，每个频率点对应一波谱数据，因此，在得到线性拟合直线后，任一频率点可以确定微波s参数波谱初始曲线上的波谱数据以及线性拟合直线上相应的波谱数据，通过所有的微波s参数波谱初始曲线上的波谱数据以及线性拟合直线上相应的波谱数据，可以得到波谱数据线性拟合距离矩阵d。
[0072]
本发明实施例中，根据上述说明可知，每条微波s参数波谱初始曲线上频率点的个数n为133，微波s参数波谱初始曲线的条数m具体可以根据实际需要选择，具体可以参考上述说明。
[0073]
根据上述波谱数据线性拟合距离矩阵d，可以将任一煤炭训练样本相对应的波谱数据线性拟合距离与预设的距离阈值进行比较，在剔除大于所述距离阈值的微波s参数波谱初始曲线，以得到所需的煤炭样本微波s参数波谱信息。具体实施时，所述预设距离阈值为1.5
×
dis_m，其中，dis_m为当前原煤样本所在区域的波谱数据线性拟合距离排序后的距离中位数。
[0074]
具体实施时，当原煤样本由多个采集区域对应时，每个区域的所有煤炭训练样本的微波s参数波谱初始曲线均需进行上述预处理，从而在预处理完成后，通过所有区域煤炭样本微波s参数波谱曲线构成煤炭样本微波s参数波谱信息，其中，煤炭样本微波s参数波谱信息，具体为若干条的煤炭样本微波s参数波谱曲线。
[0075]
进一步地，将制作的训练数据集按煤炭训练样本的采集区域划分，以得到多组训练数据子集；
[0076]
将训练数据子集依照留一交叉验证法输入k近邻数时的dw-knn模型，并分别计算在不同k近邻数时的评价指标的交叉验证均值，选取评价指标交叉验证均值最优时k近邻数，并根据所选择评价指标交叉验证均值最优时的k近邻数，构建得到基于dw-knn的煤炭水分含量检测模型。
[0077]
本发明实施例中，由于原煤样本采集不同的区域，通过上述步骤制作训练数据集后，训练数据集按煤炭训练样本的采集区域划分，以得到多组训练数据子集。所述留一交叉验证法，具体为：拿出任一组按煤炭训练样本的采集区域划分的训练数据子集作为留一交叉验证测试数据集，其余组作为留一交叉验证训练数据集，留一交叉验证法的具体实施方式以及过程与现有相一致，为本技术领域人员所熟知，此处不再赘述。
[0078]
将训练数据子集按照本技术领域常用的留一交叉验证法输入k近邻数时的dw-knn模型，分别计算在不同k近邻数时的评价指标的交叉验证均值，所述评价指标包括决定系数r2、平均绝对误差(mae：mean absolute error)和均方根误差(root mean squared error，rmse)，具体地，k近邻数由较小开始，逐渐增大，分别计算并记录在不同k近邻数时评价指标的交叉验证均值；当评价指标不再有较大变化时，停止运算，选取评价指标交叉验证均值最优时的k近邻数作为模型的最佳选择，得到基于dw-knn的煤炭水分含量检测模型。具体实施时，评价指标交叉验证均值最优时，一般地，决定系数r2的取值最大，即可根据决定系数r2的
取值情况确定是否为评价指标交叉验证均值最优时；当然，也可以采用技术手段确定评价指标交叉验证均值最优，具体确定评价指标交叉验证均值最优的方式以及过程为本技术领域人员所熟知。
[0079]
本发明实施例中，k近邻数由3开始，每次递增1，直到评价指标不再有较大变化时，停止运算，具体过程与现有相一致，为本技术领域人员所熟知。
[0080]
步骤2、提供待检测水分含量的煤炭标本，获取所述煤炭标本与煤炭训练样本微波s参数波谱信息相一致的煤炭标本微波s参数波谱信息，利用上述基于dw-knn的煤炭水分含量检测模型对获取的煤炭标本微波s参数波谱信息处理，以得到并输出所述煤炭标本的水分含量。
[0081]
具体实施时，获取所述煤炭标本与煤炭训练样本微波s参数波谱信息相一致的煤炭标本微波s参数波谱信息，具体是指对提供待检测水分含量的煤炭标本，需要采用13mm筛孔的筛子对煤炭标本筛分，对筛分后的煤炭标本获取所述煤炭标本与煤炭训练样本微波s参数波谱信息相一致的煤炭标本微波s参数波谱信息；而煤炭标本微波s参数波谱信息与煤炭训练样本微波s参数波谱信息相一致，即是指煤炭标本微波s参数波谱信息、煤炭训练样本微波s参数波谱信息均在相同频率点下测试得到相应的波谱数据，当上述测试得到每条微波s参数波谱初始曲线相应频率点的个数n为133时，煤炭标本微波s参数波谱信息、煤炭训练样本微波s参数波谱信息均包括133个频率点对应的波谱数据。
[0082]
基于dw-knn的煤炭水分含量检测模型对煤炭标本微波s参数波谱信息处理得到煤炭标本的水分含量时，包括如下步骤：
[0083]
步骤2.1、计算煤炭标本微波s参数波谱信息与第q个煤炭训练样本δq的欧氏距离
[0084][0085]
其中，为煤炭标本微波s参数波谱信息第p个频率点相应的波谱数据，δ
qp
为第q个煤炭训练样本δq的煤炭训练样本微波s参数波谱信息第p个频率点相应的波谱数据；
[0086]
具体地，煤炭样本微波s参数波谱信息所包含煤炭样本微波s参数波谱曲线的总数量为q时，则q的取值范围为1～q。
[0087]
步骤2.2、将计算得到的所有欧式距离按升序排序，确定与前k个欧式距离分别对应的煤炭训练样本；
[0088]
具体地，通过步骤1，能确定q个欧式距离对所述欧式距离按升序排序后，根据上述确定的k近邻数，则选取前k个欧式距离以及与前k个欧式距离相对应的煤炭训练样本，在确定前k个煤炭训练样本后，能确定每个煤炭训练样本的煤炭训练样本水分含量标签以及煤炭训练样本在所述煤炭训练样本水分含量标签下的煤炭训练样本微波s参数波谱信息。
[0089]
步骤2.3、根据所选择确定的前k个欧式距离以及相应的煤炭训练样本，计算得到并输出所述煤炭标本的水分含量为：
[0090][0091]
其中，为煤炭标本的水分含量，ψ(δj)为确定前k个煤炭训练样本中第j个煤炭训练样本δj的煤炭训练样本水分含量标签，σj为确定前k个煤炭训练样本中第j个煤炭训练样本δj的距离权重，为确定的前k个欧式距离内相应的第j个欧氏距离。
[0092]
本发明实施例中，通过对煤炭标本微波s参数波谱信息进行上述处理后，即可得到述煤炭标本的水分含量。