FiPLS在烟煤水分近红外检测中的应用*
2016-09-02杨晓丽马公喆陈云秀汪文超刘梦娇
广州化工 2016年4期
关键词:模型
杨晓丽,马公喆,陈云秀,汪文超,刘梦娇
(曲靖师范学院化学化工学院,云南 曲靖 655011)
FiPLS在烟煤水分近红外检测中的应用*
杨晓丽,马公喆,陈云秀,汪文超,刘梦娇
(曲靖师范学院化学化工学院,云南曲靖655011)
偏最小二乘是一个在近红外光谱解析中常用的计量学算法,结合变量筛选方法既可以提高模型的预测能力,也可以大大降低建模的难度。本文将前向区间偏最小二乘用于烟煤水分近红外光谱解析。提取出的区间数为2,变量个数从1557减少到54个。所提取的波长区间主要位于O-H一级泛频吸收带。预测平均绝对百分误差从0.0865降低到0.0818。研究结果表明,前向区间偏最小二乘可以显著减少变量数并提高预测准确度。
烟煤;水分;偏最小二乘;区间选择
近红外光谱技术是一项快速、准确、无损伤的检测手段,目前已广泛用于农业、文本识别、营养物质检测、石油化工等领域[1]。由于近红外光谱属于典型的高维数据,且包含了大量随机噪声、仪器噪声、无用信息等,这给近红外光谱解析带来了巨大挑战。化学计量学方法常用来解析近红外光谱,如偏最小二乘[2]、人工神经网络[3]、支持向量机[4]等。偏最小二乘(partial least squares,PLS)可以很好地解决光谱共线性问题,常用于建立近红外光谱检测模型。在建立PLS模型的同时对光谱区间进行选择,可以进一步提高建模精度、简化模型。区间策略[5]和移动窗口技术[6]已用于光谱区间筛选。
煤炭在生产、流通和使用过程中,常需要检测发热量、水分、挥发分、灰分、固定碳等项目。……
登录APP查看全文
