分析测试学报
分析測試學報
분석측시학보
JOURNAL OF INSTRUMENTAL ANALYSIS
2014年
6期
666-671
,共6页
王圣毫%李智%胡荣%宋福圣%王岩
王聖毫%李智%鬍榮%宋福聖%王巖
왕골호%리지%호영%송복골%왕암
近红外%支持向量机回归%离散傅立叶变换%煤发热量%定量分析模型
近紅外%支持嚮量機迴歸%離散傅立葉變換%煤髮熱量%定量分析模型
근홍외%지지향량궤회귀%리산부립협변환%매발열량%정량분석모형
NIR%SVR%discrete Fourier transform%calorific value of coal%quantitative analysis model
研究了火电厂电煤煤粉的近红外光谱特征,提取了前3个主成分和前6个离散傅立叶变换(DFT)系数,结合主成分得分、马氏距离和偏最小二乘(PLS)交互验证方法剔除异常样本,并建立偏最小二乘回归(PLSR)、栅格支持向量机回归(G-SVR)、遗传算法支持向量机回归(GA-SVR)和粒子群算法支持向量机回归(PSO-SVR)等定量分析模型.结果表明,利用DFT系数作为PSO-SVR模型的输入变量,当其进化代数为300,种群规模为20,模型参数c1、c2为1.5,1.7时,性能最优,其中校正集相关系数(RC)为0.990,测试集相关系数(RP)为0.954,定标标准差(SEC)为0.366,测试标准差(SEP)为0.128.该方法准确可靠,已成功应用于近红外在线电煤发热量监测系统,并可推广用于其它较为复杂的近红外在线分析系统.
研究瞭火電廠電煤煤粉的近紅外光譜特徵,提取瞭前3箇主成分和前6箇離散傅立葉變換(DFT)繫數,結閤主成分得分、馬氏距離和偏最小二乘(PLS)交互驗證方法剔除異常樣本,併建立偏最小二乘迴歸(PLSR)、柵格支持嚮量機迴歸(G-SVR)、遺傳算法支持嚮量機迴歸(GA-SVR)和粒子群算法支持嚮量機迴歸(PSO-SVR)等定量分析模型.結果錶明,利用DFT繫數作為PSO-SVR模型的輸入變量,噹其進化代數為300,種群規模為20,模型參數c1、c2為1.5,1.7時,性能最優,其中校正集相關繫數(RC)為0.990,測試集相關繫數(RP)為0.954,定標標準差(SEC)為0.366,測試標準差(SEP)為0.128.該方法準確可靠,已成功應用于近紅外在線電煤髮熱量鑑測繫統,併可推廣用于其它較為複雜的近紅外在線分析繫統.
연구료화전엄전매매분적근홍외광보특정,제취료전3개주성분화전6개리산부립협변환(DFT)계수,결합주성분득분、마씨거리화편최소이승(PLS)교호험증방법척제이상양본,병건립편최소이승회귀(PLSR)、책격지지향량궤회귀(G-SVR)、유전산법지지향량궤회귀(GA-SVR)화입자군산법지지향량궤회귀(PSO-SVR)등정량분석모형.결과표명,이용DFT계수작위PSO-SVR모형적수입변량,당기진화대수위300,충군규모위20,모형삼수c1、c2위1.5,1.7시,성능최우,기중교정집상관계수(RC)위0.990,측시집상관계수(RP)위0.954,정표표준차(SEC)위0.366,측시표준차(SEP)위0.128.해방법준학가고,이성공응용우근홍외재선전매발열량감측계통,병가추엄용우기타교위복잡적근홍외재선분석계통.
