一种基于光谱数据融合的煤质分析方法

本发明属于煤质分析方法，具体涉及一种基于光谱数据融合的煤质分析方法。

背景技术：

1、煤炭作为人类历史上最古老的化石燃料，自18世纪60年代第一次工业革命以来，一直作为工业生产的主要能源存在。在我国，煤炭更是在能源消费结构中长期处于主导地位，推动着我国经济建设和城市化进程。但煤炭为我国国民经济和现代化建设做出重要贡献的同时也带来了两个非常严峻的问题：能源效率问题和环境污染问题。前者是指从煤炭开采到终端利用的能源系统总效率十分低，导致资源的严重浪费。后者则是指煤炭开采利用过程中带来了严重的大气污染、温室效应等一系列问题。因此，如何减少煤炭开采与利用过程造成的资源浪费与环境污染是煤炭行业所面临的主要难题之一。

2、通过煤质分析，可以深入了解煤炭的组成和使用性质，从而有助于提高煤炭利用效率减少污染排放，并可为煤炭转化利用开辟新途径。煤质分析，包括元素分析、工业分析和热值分析。元素分析主要包括煤中碳、氢、氧、氮和硫等元素的测定；工业分析，主要包括煤炭水分、灰分、挥发分和固定碳的测定。一般，传统化学分析法便可以完成这些指标的准确测定。但是传统方法一般采用离线分析，从采样、制样到检验结果的报出一般需要几个小时甚至更长的时间，其工序十分繁琐且耗时长，无法满足工业现场快速分析的需求，且在一定程度上造成了资源的严重浪费。目前，一些检测方法如x射线技术、微波技术、双能γ射线衰减技术和快速γ中子活化分析技术等已成功应用于煤炭工业的在线检测。但这些技术在使用过程仍然存在很多问题，如仪器比较昂贵且在使用过程中需要较高的运行维护费用、一种技术只能用于一种指标的检测以及使用过程中会产生辐射污染等。因此，发展一种价格低廉、绿色环保、能同时检测多种分析指标、准确性较高的技术在煤炭工业中具有重要的市场价值。

3、光谱分析技术，如激光诱导击穿光谱(laser induced breakdown spectroscopy,libs)和红外(infrared,ir)光谱，以其简单快速、无需复杂样品预处理、原位远程分析以及便携式等优势可为煤质快速分析提供一种强有力的技术手段。但是，由于分析目标结构与组成的复杂性，单一技术很难满足分析的需求，多种技术的集成策略受到越来越多的关注。但是，在实际应用中，不同技术获得的数据可能存在不同程度的不确定性，直接使用这些不确定信息可能导致矛盾的结论。

4、基于此，提出了一种基于激光诱导击穿光谱和傅里叶变换红外光谱数据融合的煤质分析方法。

技术实现思路

1、本发明所要解决的技术问题在于针对上述现有技术的不足，提供一种基于光谱数据融合的煤质分析方法，以解决上述背景技术中提出的问题。

2、为解决上述技术问题，本发明采用的技术方案是：一种基于光谱数据融合的煤质分析方法，包括以下步骤：

3、s1、以煤质特性参数数值已知的一组煤炭样品作为校正集样品，分别利用激光诱导击穿光谱libs和傅里叶变换红外ftir光谱对校正集样品进行分析，得到相应的光谱数据；

4、s2、基于归一化方法对获得的两种光谱数据进行预处理，分别以预处理后的光谱数据作自变量，对应煤质特性参数作因变量，构建核极限学习机kelm定量分析模型；

5、s3、基于海洋捕食者mpa算法对模型参数和输入变量进行同时优化，以获得最优的预测模型libs-kelm和ftir-kelm；

6、s4、对于煤质特性参数值未知的待测样品，首先利用激光诱导击穿光谱和傅里叶变换红外光谱进行检测，得到待测样品光谱数据；然后基于s2进行归一化处理；最后将获得的光谱数据分别代入s3中获得的模型，求得待测样品的煤质特性参数值xlibs,p和xftir,p；

7、s5、基于5折交叉验证和校正集煤质特性参数构建二元回归方程：

8、yfusion,cv＝w0+w1xlibs,cv+w2xftir,cv

9、其中yfusion,cv为决策级数据融合获得的交叉验证预测结果；

10、xlibs,cv和xftir,cv分别为libs和ftir的交叉验证结果；

11、w1和w2分别为libs和ftir预测结果的权重；

12、w0为二元线性回归的截距。

13、s6、采用海洋捕食者算法mpa对w1和w2进行估计，交叉验证预测值与参考值残差平方和作为适应度函数；

14、s7、基于步骤s4获得的待测样品预测值和s6获得的w1和w2值，即计算出待测样品的最终预测值yfusion,p：

15、yfusion,p＝w0+w1xlibs,p+w2xftir,p。

16、作为本发明的进一步说明，所述煤质特性参数为碳元素含量、灰分、挥发分和热值。

17、作为本发明的进一步说明，所述归一化方法为最大最小值归一化。

18、作为本发明的进一步说明，s3中的优化包括以下步骤：

19、s301、种群初始化；采用径向基函数作为kelm的核函数，即海洋捕食者算法中猎物由n+2部分组成，包括n个变量、惩罚参数c和核参数γ；

20、s302、训练kelm模型，将种群中个体的二进制编码转换为特征子集、惩罚参数c和核参数γ，并对kelm模型进行训练；

21、s303、适应度值评估，利用预测精度和所选变量的数量来设计适应度函数，适应度函数定义如下:

22、

23、其中，α为预测精度的权重；

24、rmsecv为交叉验证均方根误差；

25、β为所选变量个数的权重；

26、fi为特征掩码的值，“1”表示变量i被选中，“0”表示变量i未被选中；

27、nf为变量总数。

28、s304、结束条件，一旦达到终止条件，操作结束，选择最后一代中适应度值最好的个体作为最终解，否则进行迭代。

29、作为本发明的进一步说明，s301中，对于表示变量的部分，采用二进制编码进行表示，“1”代表该变量被选中，“0”代表该变量未被选中。

30、本发明与现有技术相比具有以下优点：

31、本发明基于激光诱导击穿光谱libs和傅里叶变换红外ftir光谱两种技术的互补性，将两种技术获得的光谱数据进行融合，可获得更为全面的光谱信息，从而提高煤质分析结果的准确性和可靠性，引入基于海洋捕食者mpa的模型参数和输入变量同时优化方法，进一步提高了构建模型的预测性能。

技术特征：

1.一种基于光谱数据融合的煤质分析方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于光谱数据融合的煤质分析方法，其特征在于，所述煤质特性参数为碳元素含量、灰分、挥发分和热值。

3.根据权利要求1所述的一种基于光谱数据融合的煤质分析方法，其特征在于，所述归一化方法为最大最小值归一化。

4.根据权利要求1所述的一种基于光谱数据融合的煤质分析方法，其特征在于，s3中的优化包括以下步骤：

5.根据权利要求4所述的一种基于光谱数据融合的煤质分析方法，其特征在于，s301中，对于表示变量的部分，采用二进制编码进行表示，“1”代表该变量被选中，“0”代表该变量未被选中。

技术总结
本发明提供了一种基于光谱数据融合的煤质分析方法，具体的基于激光诱导击穿光谱和傅里叶变换红外光谱数据融合，包括以下步骤，首先分别基于获取的激光诱导击穿光谱和傅里叶变换红外光谱数据构建核极限学习机校正模型，并采用海洋捕食者算法对模型输入变量和参数进行同时优化；然后基于优化后的模型获得待测样品预测结果；最后基于决策级数据融合策略将两种模型获得的预测结果进行融合，获得待测样品的最终预测值。本发明中的方法利用两种技术的互补性，提高了煤质分析结果的准确性和可靠性；而引入基于海洋捕食者的模型参数和输入变量同时优化方法，则进一步提高了校正模型的预测性能。

技术研发人员：闫春华,苏月梅,刘一江,张天龙,李华
受保护的技术使用者：西安石油大学
技术研发日：
技术公布日：2024/4/17