您当前的位置：首页 > 煤质近红外光谱智能分析理论与应用 李明，雷萌 2018年版 > 下载地址2
煤质近红外光谱智能分析理论与应用 李明，雷萌 2018年版
- 名 称：煤质近红外光谱智能分析理论与应用 李明，雷萌 2018年版 - 下载地址2
- 类 别：化工书籍
- 下载地址：[下载地址2]
- 提 取 码：
- 浏览次数：3
发表评论 加入收藏夹 错误报告目录| 新闻评论（共有 0 条评论） |
资料介绍
煤质近红外光谱智能分析理论与应用
作者： 李明，雷萌
出版时间：2018年版
内容简介
为了充分利用煤炭资源，必须及时掌握煤质的变化规律。受测量方法和相关技术限制，传统的煤质分析技术已不能满足煤炭生产、加工和利用等过程的要求。煤质近红外光谱分析技术是一种新兴的煤质快速检测方法，可实现煤质全元素的快速在线分析。由于该技术是一种间接分析方法，预测结果的准确性主要依赖于建模数据及方法。鉴于此，针对煤样光谱数据存在的不稳定因素多、维数高、特征变异范围广等问题，《煤质近红外光谱智能分析理论与应用》基于机器学习方法，建立相应的煤质近红外光谱分析系统框架，并围绕影响其应用的四个关键问题展开研究，具体包括：建模样本优化筛选研究，煤样光谱数据的恢复处理研究，煤样光谱数据压缩处理研究，煤样光谱定性与定量分析方法研究。最后，据此构建煤质的快速在线分析模型并进行应用研究。《煤质近红外光谱智能分析理论与应用》所形成的研究成果，近红外光谱技术在煤质快速在线分析方面的应用，可大幅提高煤质近红外光谱分析模型的预测准确度，具有重要的理论意义和实际应用价值。
目录
目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 煤炭质量的常规分析 2
1.2.1 煤质的标准测定方法 2
1.2.2 煤质分析的研究现状 6
1.3 煤质近红外光谱分析研究现状 7
1.3.1 近红外光谱技术的研究现状 7
1.3.2 煤质近红外光谱分析技术的研究现状 8
第2章 煤质近红外光谱分析理论与技术 10
2.1 近红外光谱分析理论基础 10
2.1.1 分子振动光谱理论 10
2.1.2 透射光谱的理论基础 12
2.1.3 漫反射光谱的理论基础 13
2.2 煤质近红外光谱分析 15
2.2.1 理论基础 15
2.2.2 煤样采取与制备 16开
2.2.3 近红外光谱分析仪 19
2.2.4 基础分析模型 21
2.3 本章小结 25
第3章 煤炭光谱数据的优化和校正 27
3.1 煤粒度对光谱数据准确性的影响 27
3.1.1 实验数据 27
3.1.2 实验方法 29
3.1.3 结果与讨论 29
3.2 基于距离测定的异常样本剔除 31
3.2.1 基于欧氏迭代裁剪法的异常样品剔除 32开
3.2.2 基于马氏迭代裁剪法的异常样品剔除 36
3.2.3 基于改进留一交叉验证法的异常样品筛选 40
3.3 基于并行最小二乘回归估计的争议样本判别 45
3.3.1 理论基础 45
3.3.2 争议样本的判别过程 47
3.3.3 结果与讨论 48
3.4 本章小结 51
第4章 煤炭光谱数据的恢复去噪 53
4.1 常用的光谱恢复方法 53
4.1.1 理论基础 53
4.1.2 结果与讨论 55
4.2 基于拟线性局部加权法的光谱散射校正 59
4.2.1 理论基础 59
4.2.2 拟线性曲线与局部加权函数的选取 60
4.2.3 结果与讨论 62
4.3 基于粗糙惩罚法的光谱优化平滑模式 65
4.3.1 理论基础 65
4.3.2 粗糙惩罚法 67
4.3.3 端点信息修补 68
4.3.4 参数优化 69
4.3.5 光谱的D阶导数 69
4.3.6 结果与讨论 69
4.4 本章小结 74
第5章 煤炭光谱数据的筛选压缩 76
5.1 基于要点排序法的波长点向前选择 76
5.1.1 理论基础 76
5.1.2 要点排序法 77
5.1.3 特征光谱波长点的筛选过程 78
5.1.4 结果与讨论 79
5.2 基于优化组合法的谱区选择 86
5.2.1 基于谱区排序的向前选择法 86
5.2.2 基于遗传算法的谱区选择 86
5.2.3 结果与讨论 87
5.3 基于核主成分分析的光谱特征提取 94
5.3.1 理论基础 94
5.3.2 结果与讨论 95
5.4 基于局部多维尺度变换的光谱特征提取 101
5.4.1 多维尺度变换 101
5.4.2 局部多维尺度变换 102
5.4.3 结果与讨论 103
5.5 基于局部线性嵌入算法的光谱特征提取 104
5.5.1 理论基础 104
5.5.2 结果与讨论 105
5.6 本章小结 107
第6章 煤质近红外光谱定量分析模型 109
6.1 基于支持向量回归机的定量分析模型 109
6.1.1 理论基础 109
6.1.2 模型参数优化 111
6.1.3 结果与讨论 113
6.2 基于分层随机森林的煤质近红外光谱定量分析 116开
6.2.1 分层抽样原理 117
6.2.2 基于互信息的分层随机森林模型 118
6.2.3 结果与讨论 118
6.3 基于集成神经网络方法的定量分析模型 121
6.3.1 理论基础 121
6.3.2 神经网络集成与参数优化 123
6.3.3 结果与讨论 125
6.4 待测样本集的预测与修正 131
6.4.1 待测样本集的预测 131
6.4.2 待测样本集的调整 135
6.5 本章小结 137
第7章 煤质近红外光谱定性分析模型 139
7.1 基于支持向量机的定性分析模型 139
7.1.1 理论基础 139
7.1.2 结果与讨论 140
7.2 基于学习向量量化神经网络的定性分析模型 141
7.2.1 基础理论 141
7.2.2 结果与讨论 143
7.3 基于决策树算法的定性分析模型 144
7.3.1 理论基础 144
7.3.2 结果与讨论 149
7.4 基于随机森林算法的定性分析方法 150
7.4.1 基础理论 150
7.4.2 结果与讨论 153
7.5 基于改进随机森林的煤质定性分析 154
7.5.1 理论基础 154
7.5.2 结果与讨论 155
7.6 近红外光谱煤产地鉴别系统 158
7.7 本章小结 159
参考文献 16开0
附录 16开9
作者： 李明，雷萌
出版时间：2018年版
内容简介
为了充分利用煤炭资源，必须及时掌握煤质的变化规律。受测量方法和相关技术限制，传统的煤质分析技术已不能满足煤炭生产、加工和利用等过程的要求。煤质近红外光谱分析技术是一种新兴的煤质快速检测方法，可实现煤质全元素的快速在线分析。由于该技术是一种间接分析方法，预测结果的准确性主要依赖于建模数据及方法。鉴于此，针对煤样光谱数据存在的不稳定因素多、维数高、特征变异范围广等问题，《煤质近红外光谱智能分析理论与应用》基于机器学习方法，建立相应的煤质近红外光谱分析系统框架，并围绕影响其应用的四个关键问题展开研究，具体包括：建模样本优化筛选研究，煤样光谱数据的恢复处理研究，煤样光谱数据压缩处理研究，煤样光谱定性与定量分析方法研究。最后，据此构建煤质的快速在线分析模型并进行应用研究。《煤质近红外光谱智能分析理论与应用》所形成的研究成果，近红外光谱技术在煤质快速在线分析方面的应用，可大幅提高煤质近红外光谱分析模型的预测准确度，具有重要的理论意义和实际应用价值。
目录
目录
前言
第1章 绪论 1
1.1 研究背景及意义 1
1.2 煤炭质量的常规分析 2
1.2.1 煤质的标准测定方法 2
1.2.2 煤质分析的研究现状 6
1.3 煤质近红外光谱分析研究现状 7
1.3.1 近红外光谱技术的研究现状 7
1.3.2 煤质近红外光谱分析技术的研究现状 8
第2章 煤质近红外光谱分析理论与技术 10
2.1 近红外光谱分析理论基础 10
2.1.1 分子振动光谱理论 10
2.1.2 透射光谱的理论基础 12
2.1.3 漫反射光谱的理论基础 13
2.2 煤质近红外光谱分析 15
2.2.1 理论基础 15
2.2.2 煤样采取与制备 16开
2.2.3 近红外光谱分析仪 19
2.2.4 基础分析模型 21
2.3 本章小结 25
第3章 煤炭光谱数据的优化和校正 27
3.1 煤粒度对光谱数据准确性的影响 27
3.1.1 实验数据 27
3.1.2 实验方法 29
3.1.3 结果与讨论 29
3.2 基于距离测定的异常样本剔除 31
3.2.1 基于欧氏迭代裁剪法的异常样品剔除 32开
3.2.2 基于马氏迭代裁剪法的异常样品剔除 36
3.2.3 基于改进留一交叉验证法的异常样品筛选 40
3.3 基于并行最小二乘回归估计的争议样本判别 45
3.3.1 理论基础 45
3.3.2 争议样本的判别过程 47
3.3.3 结果与讨论 48
3.4 本章小结 51
第4章 煤炭光谱数据的恢复去噪 53
4.1 常用的光谱恢复方法 53
4.1.1 理论基础 53
4.1.2 结果与讨论 55
4.2 基于拟线性局部加权法的光谱散射校正 59
4.2.1 理论基础 59
4.2.2 拟线性曲线与局部加权函数的选取 60
4.2.3 结果与讨论 62
4.3 基于粗糙惩罚法的光谱优化平滑模式 65
4.3.1 理论基础 65
4.3.2 粗糙惩罚法 67
4.3.3 端点信息修补 68
4.3.4 参数优化 69
4.3.5 光谱的D阶导数 69
4.3.6 结果与讨论 69
4.4 本章小结 74
第5章 煤炭光谱数据的筛选压缩 76
5.1 基于要点排序法的波长点向前选择 76
5.1.1 理论基础 76
5.1.2 要点排序法 77
5.1.3 特征光谱波长点的筛选过程 78
5.1.4 结果与讨论 79
5.2 基于优化组合法的谱区选择 86
5.2.1 基于谱区排序的向前选择法 86
5.2.2 基于遗传算法的谱区选择 86
5.2.3 结果与讨论 87
5.3 基于核主成分分析的光谱特征提取 94
5.3.1 理论基础 94
5.3.2 结果与讨论 95
5.4 基于局部多维尺度变换的光谱特征提取 101
5.4.1 多维尺度变换 101
5.4.2 局部多维尺度变换 102
5.4.3 结果与讨论 103
5.5 基于局部线性嵌入算法的光谱特征提取 104
5.5.1 理论基础 104
5.5.2 结果与讨论 105
5.6 本章小结 107
第6章 煤质近红外光谱定量分析模型 109
6.1 基于支持向量回归机的定量分析模型 109
6.1.1 理论基础 109
6.1.2 模型参数优化 111
6.1.3 结果与讨论 113
6.2 基于分层随机森林的煤质近红外光谱定量分析 116开
6.2.1 分层抽样原理 117
6.2.2 基于互信息的分层随机森林模型 118
6.2.3 结果与讨论 118
6.3 基于集成神经网络方法的定量分析模型 121
6.3.1 理论基础 121
6.3.2 神经网络集成与参数优化 123
6.3.3 结果与讨论 125
6.4 待测样本集的预测与修正 131
6.4.1 待测样本集的预测 131
6.4.2 待测样本集的调整 135
6.5 本章小结 137
第7章 煤质近红外光谱定性分析模型 139
7.1 基于支持向量机的定性分析模型 139
7.1.1 理论基础 139
7.1.2 结果与讨论 140
7.2 基于学习向量量化神经网络的定性分析模型 141
7.2.1 基础理论 141
7.2.2 结果与讨论 143
7.3 基于决策树算法的定性分析模型 144
7.3.1 理论基础 144
7.3.2 结果与讨论 149
7.4 基于随机森林算法的定性分析方法 150
7.4.1 基础理论 150
7.4.2 结果与讨论 153
7.5 基于改进随机森林的煤质定性分析 154
7.5.1 理论基础 154
7.5.2 结果与讨论 155
7.6 近红外光谱煤产地鉴别系统 158
7.7 本章小结 159
参考文献 16开0
附录 16开9
