拉曼光谱联合WOA特征筛选的矿井水源识别方法研究

在矿井突水灾害防治过程中,准确、快速判别突水水源类型对煤矿安全生产意义非常重大,而传统的水化学方法存在耗时长、检测复杂等不足,为此提出采用拉曼光谱进行矿井突水水源辨识这一新思路。首先从淮南矿区采集老空水、顶板砂岩裂隙水、奥灰水、太灰水和地表水以及它们混合的水样作为实验对象,并借助拉曼光谱系统收集水样的拉曼光谱数据。随后,采用常见的光谱预处理方法对原始拉曼光谱进行降噪。接着,采用鲸鱼优化算法(WOA)对水样的拉曼光谱进行特征信息筛选,得到最能够表征矿井水样的特征拉曼信息。最后,将筛选出的特征拉曼信息作为输入,分别构建BP神经网络(BPNN)、K-近邻算法(KNN)、支持向量机(SVM)、决策树(DT)以及朴素贝叶斯(NB)分类模型,以此来验证拉曼光谱结合WOA筛选特征拉曼信息用于矿井水源识别的可行性。实验证明:利用WOA可以从2048个拉曼数据点中筛选得到102个特征拉曼信息,将拉曼信息的点数缩减为原来的4.98%,而且WOA筛选的特征拉曼信息的建模精度高于全拉曼数据建模精度,此外,采用WOA筛选的特征拉曼信息构建BPNN、KNN、SVM、DT和NB水源辨识模型时,其分析速度都有着不同程度的提升。研究结果表明,采用WOA筛选矿井水源拉曼光谱的特征信息,可以有效地减少拉曼光谱数据的冗余,提升拉曼光谱分析的速度,这可以为矿井水源的快速检测提供借鉴。

煤矿职业健康全周期智能管理关键技术研究及探讨

煤炭被誉为“黑色的金子”,自第一次工业革命以来,煤炭在能源、化工等领域扮演着重要角色,是当之无愧的“工业的食粮”,是18世纪以来人类社会使用的主要能源之一。世界能源生产与消费格局变化的同时,我国也正在积极推进能源革命,不断优化能源供给结构。近年来,我国能源结构持续改进,煤炭占能源总量的比例逐年降低,2018年煤炭占我国能源总量的比例创历史新低(58%,首次低于60%)。

基于黏菌优化极限学习机的煤矸石多光谱识别

煤和矸石的精准辨识是煤矸分选和煤炭清洁高效利用的重要前提,针对传统方法存在效率低、需加装辐射隔离以及受环境干扰等诸多不足,提出了基于多光谱图像特性和光谱特性来识别煤和矸石,构建黏菌优化极限学习机(Slime Mold Algorithm Extreme Learning Machine,SMA-ELM)的分类模型。搭建多光谱数据采集系统完成煤与矸石的光谱图像采集,通过LBP对光谱图像进行特征提取并使用PCA主成分分析对提取后的特征向量降维,输入SMA-ELM分类模型、蚁狮优化极限学习机(Antlion Algorithm Optimized Extreme Learning Machine,ALO-ELM)分类模型、鲸鱼优化极限学习机(Whale Algorithm Optimized Extreme Learning Machine,WOA-ELM)分类模型进行对比,重点研究不同波长响应下煤和矸石的辨识精度来筛选最佳波长,通过多评价指标对优化后的最优波段进行比较。实验结果表明,SMA-ELM分类效果最佳,第6波段为最优波段,SMA-ELM在该波段的平均识别准确率为95.08%,煤和矸石的识别F1-Score分别为96.47%和92.68%,用时10.6 s。所提出的方法可以实现煤和矸石的精准识别,这对煤和矸石的智能分选具有重要的研究意义。

不同水分条件下外源菌剂对污染水稻土中硅、砷有效性的影响

采用砷污染区水稻土,通过土壤培养方法探索了淹水和干湿交替水分管理模式下,添加外源菌剂（含有胶质芽孢杆菌和巨大芽孢杆菌）对土壤中硅和砷有效性的影响.结果表明,干湿交替培养条件下,添加混合菌剂及其灭菌菌液处理的土壤溶液中硅浓度分别比对照（CK）增加了18.7％～23.2％和19.2％～43.0％,这说明外源菌剂促进了土壤固相中硅向液相的释放.同时,添加混合菌剂及其灭菌菌液处理的土壤溶液中砷浓度分别比CK降低了13.6％～25.0％和22.7％～29.6％,土壤中有效砷浓度比CK分别降低了21.0％和15.7％,这说明外源菌剂降低了土壤中砷的有效性;但是在淹水培养条件下,外源菌剂中的微生物对土壤中硅、砷有效性影响不明显;此外,研究结果还显示,土壤溶液中硅和砷浓度之间存在显著的负相关关系（r淹水=-0.853,r干湿交替=-0.455,P＜0.05）.综上所述,于湿交替的水分管理模式下外源添加含有胶质芽孢杆菌和巨大芽孢杆菌的菌剂可促进硅从土壤固相到土壤溶液的释放,并降低了土壤中砷的有效性.

基于数据融合的交通流量数据在线校正

针对传感器数据采集过程中出现的数据缺失或异常,通过对相邻车道交通流量数据的相关性的研究与分析,提出一种交通流量数据的在线校正模型,该模型采用最小二乘支持向量机回归融合相邻车道交通流量数据,并结合历史同期数据对交通流量数据的异常进行在线判断与校正。该模型应用于现场采集交通流量数据的校正处理,实验结果表明该模型的有效性。

TiB_2/Al复合材料喷丸后微区残余应力的有限元模拟

采用ANSYS/LS-DYNA有限元分析软件建立了颗粒增强TiB2/Al复合材料的喷丸模型,并对喷丸后残余应力分布进行了预测;然后对复合材料进行了喷丸试验,对残余应力进行了检测;将试验结果与模拟结果进行了对比。结果表明:该复合材料喷丸后残余应力分布的试验结果与模拟结果基本相符;喷丸后最表层部分增强体呈拉应力状态,在材料残余压应力场内,由于增强体和基体材料力学性能的差异,增强体的残余应力值普遍大于基体中的。

预置多裂缝压裂井下工具的设计与应用

针对低渗油田的渗透率低和油流阻力大等特点,结合水力喷射技术和加砂压裂工艺技术,根据预置多裂缝压裂技术的机理,设计了多裂缝压裂专用井下工具。该工具通过微细限流孔和溢流阀共同作用实现工具的定点喷射和缓慢移动,高压流体通过喷射工具,将高压能量转换成动能,在地层内形成2个对称的扁纺锤体裂缝,实现了井下压裂预置新裂缝的效果。预置的扁椭圆纺锤体新裂缝会使缝周边岩层松弛,应力下降,渗透率上升。现场试验表明,预置多裂缝压裂技术能有效改善地层渗透率,对于低渗透油田的增产增注有良好的效果。

非线性半定规划的逐次线性化柔性惩罚法（英文）

针对非线性不等式约束半定规划问题提出一种新的逐次线性化方法,新算法既不要求罚函数单调下降,也不使用过滤技巧,尝试步的接受准则仅仅依赖于目标函数和约束违反度,罚函数中对应于成功迭代点的罚因子不需要单调增加.新算法或者要求违反约束度量有足够改善,或者在约束违反度的一个合理范围内要求目标函数值充分下降,在通常假设条件下,分析了新算法的适定性及全局收敛性.最后,给出了非线性半定规划问题的数值试验结果,结果表明了新算法的有效性.

高房价对流动人口创业的影响研究

基于2017年中国流动人口动态监测调查(CMDS)和城市层面数据,运用工具变量法实证分析了高房价对流动人口创业的影响。研究发现:高房价总体上降低了流动人口创业的可能性以及其创业层次。文章从流动人口视角揭示了房价与创业的关系,为我国推进创新创业高质量发展和促进流动人口创业提供了重要的政策启示。

多孔β-钛合金材料的加工与生物相容性的实验研究

目的加工多孔新型稳定β型钛合金(TLM2)材料,并观察其生物相容性。方法采用激光切割方法,将钛合金板制成微多孔结构。高压消毒后,置于6孔板中,将小鼠NIH-3T3单细胞悬液按1×105细胞/ml的密度加入材料表面培养,4 h后取一片材料做扫描电镜观察。测量孔径大小并做图像分析,计算孔隙率。并对材料表面的细胞活力与形态进行观察。结果 TLM2表面凹凸不平,呈多孔结构,孔径为70～90μm,孔隙率为32%。细胞表现出有足突和伪足的正常细胞形状。结论 TLM2具有良好的生物相容性,是可供选择的喉气管缺损的修复材料之一。

抽油泵摩擦副磨损性能试验研究

为合理选择抽油泵泵筒和柱塞摩擦副的材料及表面处理工艺，提高抽油泵的使用寿命，选择碳钢、4％～6％铬钢、合金钢等三种材料和相应的表面处理工艺进行配对，在同等条件下进行了耐磨性性能试验。综合分析试验结果，认为碳钢镍磷镀／碳钢镀铬和4％～6％铬钢加压氮化／碳钢镍磷镀组成的摩擦副是较理想的配磨组合。

基于连续投影算法的食用油激光诱导荧光光谱特征波长筛选

针对目前质量监督领域中难以快速准确地识别食用油种类的问题,提出了一种激光诱导荧光技术结合连续投影算法的食用油光谱识别方法.实验搭建激光诱导荧光系统采集了5种食用植物油共计500组荧光光谱数据.首先,通过实验对比选择Savitzky-Golay卷积平滑算法对荧光光谱进行预处理;然后使用连续投影算法筛选特征波长;最后,将筛选出的特征波长送入建立的概率神经网络模型中进行训练和测试,并通过不同时间采集的油样组成独立验证集进行再次验证.结果表明:通过特征波长筛选,从全光谱2048个波长中优选出11个,减少了冗余信息,波长数缩减为原来的0.54%.并且在概率神经网络模型中的训练样本准确率和测试样本准确率分别达到100%和95%,效果好于径向基函数神经网络和BP(Back Propagation)神经网络.在独立验证集的预测准确率也达到了91%.因此,将连续投影算法用于食用油激光诱导荧光光谱特征波长筛选并结合概率神经网络模型可以实现食用油的快速准确分类且具备通用性,并为进一步设计专用的在线式食用油种类识别仪提供了理论依据.

属性约简结合GWO-SVC的乳腺恶性肿瘤数据诊断研究

乳腺癌是最常见的恶性肿瘤之一,也是仅次于肺癌死亡的第二大凶手。乳腺恶性肿瘤的准确迅速诊断对于癌症的治疗有着重要的意义。模式识别机器学习算法用于乳腺肿瘤的辨识可有效弥补传统诊断方法辨识精度的不足。提出一种支持向量机递归特征消去(Support Vector Machine Recursive Feature Elimination,SVM-RFE)与灰狼优化支持向量分类(Grey Wolf Optimal Support Vector Classification,GWO-SVC)的组合算法。用SVM-RFE对乳腺肿瘤数据的30条属性进行约简,将属性约简后得到的18条属性数据用于GWO-SVC学习建模,发现训练集分类准确率高达99.33%,测试集分类准确率高达99.11%,耗时只需2.12s。通过对比不同的智能算法分类结果表明,该方法具有较高的辨识精度与泛化能力。

基于iPLS的矿井突水激光诱导荧光光谱特征波段筛选

矿井突水一直威胁着煤矿井下施工人员的生命安全,准确且快速识别矿井突水水源类型对于矿井的安全生产起到关键性作用。激光诱导荧光(LIF)光谱技术识别矿井突水水源,有效避免了常规的水化学法需要测定多种化学参数,水源识别时间过长的缺点。提出一种间隔偏最小二乘法(iPLS)与粒子群联合支持向量分类算法(PSO-SVC)相结合的方法,iPLS算法常应用于光谱波段优选和模型的回归分析,PSO-SVC则在机器学习领域有着重要的应用,激光诱导荧光技术具有快速的时间响应、测量精度高等特点,iPLS和PSO-SVC算法运用于光谱图和光谱数据的分析,进而可以对突水水源类型识别分类。首先,用淮南矿区采集到的7种(每种水样30组)共210组荧光光谱数据进行实验,对老空水、灰岩水、灰岩水和老空水不同体积比混合水样的激光诱导荧光光谱图的差异性进行分析。比较了留出法和Kennard-Stone样本划分方法所得到的PSO-SVC模型分类准确率,采用留出法得到的训练集水样(140组)和测试集水样(70组)作为实验样本。其次,用iPLS算法将全光谱波段依次按10~25波段区间进行等分,选取划分区间的RMSECV(交叉验证均方根误差)值小于全光谱波段RMSECV值(阈值)的波段作为特征波段,结合光谱图对比分析了划分10和14个子区间的建模结果,发现通过直接观察得到的特征波段与iPLS算法筛选出的特征波段存在误差。最后,在不进行去噪、降维等预处理条件下,根据iPLS划分不同区间数的评价指标统计数据,选取划分11个区间所筛选出具有561个波长点的410.078~478.424和545.078~674.104nm特征波段范围数据作为PSO-SVC模型的输入,以iPLS结合PSO-SVC算法筛选出的特征波段与全光谱波段、直接观察得到波段建模准确率相比,训练集与测试集的分类准确率高达100%,PSO寻优到的最佳惩罚系数c为1.3670,核函数参数g为0.5762。从实验结果可以看出,利用iPLS进行荧光光谱的特征波段筛选是切实可行的,提取出的特征波段能充分反映出全光谱波段的有效信息,为激光诱导荧光光谱技术用于矿井突水水源精准在线识别的研究提供了理论依据。

iPLS波段筛选方法在食用油品上快速检测研究

针对目前存在的技术未达到既快速又准确地将食用油种类分类识别出来,为此提出一种基于激光诱导荧光技术并结合间隔偏最小二乘法(iPLS)进行食用油的快速识别方法。实验选择常见4种品牌的5种油,每种120个样本,共600个。首先采用激光诱导荧光系统采集荧光光谱,然后通过间隔偏最小二乘法(iPLS)算法筛选出特征波段,随后采用随机划分法划分训练集和测试集作为BP神经网络的输入进行建模,通过比较发现划分为12个子区间时所筛选出的344个波长点的预测准确率达到了100%,较全波段的91.68%准确率有明显地提升。实验结果表明,运用i PLS波段筛选得到的特征波段再结合BP创建的模型可以实现食用油的快速检测分类,具有良好的市场应用前景。

RF-CARS结合LIF光谱用于矿井涌水的预测评估

快速且准确识别矿井涌水水源对于防范煤矿水灾事故有着重大的研究意义。利用激光诱导荧光(LIF)光谱融合智能分类算法进行矿井涌水水源识别打破了传统水化学方法耗时过长等不足,具有灵敏度高、响应速度快等特点;然而目前这些已使用的算法仅能依靠分类准确率定性判别不同矿井涌水水样的种类。把随机森林(RF)算法和竞争性自适应重加权(CARS)算法相结合,基于激光诱导荧光的水样荧光光谱数据建立偏最小二乘回归(PLSR)模型来预测不同矿井涌水的含量,实现水样的定量评估。首先,采集300组以老空水为基础混入不同含量砂岩水的矿井涌水样本,将采集到的水样按4∶1比例随机划分成校正集和预测集,校正集共240组用于建立回归模型,预测集共60组用于预测不同水样,搭建激光诱导荧光涌水光谱系统完成光谱数据的获取并生成荧光光谱图。然后分别通过S-G卷积平滑法和Lowess平滑法对原始荧光光谱进行去噪处理,发现处理后的荧光光谱较原始光谱更为分散,适合光谱分析,对比了两种去噪方法的预测精度,选择Lowess平滑法作为最终去噪方法。接着采用RF算法约简去噪后属性重要度较低的光谱属性,依据最优回归模型的性能选择约简出的223个属性再用于CARS算法的二次属性精简,根据CARS算法采样过程中交叉验证均方根误差值最小原则选择出的77个属性光谱数据建立PLSR模型。最后与全光谱、其他变量选择方法、不同回归模型相比, RF-CARS算法属性精简效果最好,较全光谱建模,属性由2 048个减少到77个,模型预测集判定系数R^2pre由0.991 4增长到0.996 7,预测均方根误差RMSEP由0.029 4减少到0.018 3,预测精度得到提升,其余评估指标也相对较好。实验结果表明, RF-CARS结合激光诱导荧光光谱可快速、精准预测矿井涌水,精简出的光谱属性用来建立回归模型,为实现矿井涌水含量的实时定量评估提供了一定的理论保障。

改进加权质心算法用于煤矿井下人员精准定位

煤矿安全避险六大系统是煤矿安全生产的重要保障条件,为提高井下人员的精准定位,针对传统加权质心算法的不足,提出了改进加权质心算法。该算法在三角质心算法的基础上,取五个信标节点,2次利用修正加权质心算法求出未知节点的坐标值,实现人员的精准定位。实验结果表明:改进加权质心算法的平均误差为0.41m,比一般加权质心算法的平均误差减少了1.16m,比修正加权质心算法的平均误差减少了0.66m,且改进加权质心算法的最大值和最小值也明显优于其他两种算法。基于接收信号强度RSSI的改进加权质心算法定位更精确,更能满足于井下人员定位的要求。

基于完全局部二值模式的多光谱法识别损伤苹果

目的建立一种基于完全局部二值模式的多光谱法识别损伤苹果。方法搭建苹果的多光谱数据采集平台,采集了558组苹果多光谱数据。使用完全局部二值模式算法提取苹果的特征向量,再将特征向量送入支持向量机中,以比较分类结果。结果通过准确率、特异度和召回率3个平均指标,在完全局部二值模式结合支持向量机分类模型下,苹果多光谱图像的25个波段对表皮有损苹果和表皮无损苹果有很好的识别效果,并在第20波段的识别准确率达到最高为99.63%。结论本方法可以实现有损苹果和无损苹果的高效识别,对苹果的储运和分选都有一定的意义。

遗传算法优化BP网络对掺假蜂蜜快速识别研究

为了更好地实现对掺假蜂蜜进行检测和识别,提出一种遗传算法优化反向传播(BP)神经网络和激光诱导荧光(LIF)技术相结合的新方法。实验采用蜂蜜、果葡糖浆以及二者以不同比例混合获取的实验样本,每类样本数为150个,共600个实验样本。通过激光诱导荧光技术获取实验数据。将各类样本的70%用于算法模型训练、30%用于模型预测评估。通过PCA降维技术进行特征提取,分别用极限学习机(ELM)算法、BP神经网络算法、GA_BP三种算法进行实验。实验结果表明,相比于极限学习机的82.78%、BP神经网络算法的95.89%的准确率,GA_BP算法对预测样本的预测准确率最高,可达100%。通过将GA_BP与蚁群算法(ACO)优化BP网路、粒子群算法(PSO)优化BP网络作对比,发现GA_BP算法具有运行时间较短、鲁棒性较好的特点。

激光诱导荧光结合AdaBoost算法的食用油分类

为了快速、准确地识别食用油类型,采用激光诱导荧光技术,利用405 nm激光在食用油表面诱导离子体激发并发出荧光,由SpectraSuite软件采集和记录荧光光谱数据。以5种食用油为实验对象,实验采集的光谱数据共750组,分别采用4种不同的算法(BP算法、AdaBoost⁃BP算法、AdaBoost⁃DT算法、AdaBoost⁃KNN算法)对光谱数据建立训练模型,通过4种模型的比较得出,以KNN算法作为弱分类器的自适应提升(AdaBoost)模型对光谱数据的分类效果最好,迭代100次后测试准确率为100%,且泛化误差为0,表明此算法具有很好的泛化性能和稳定性。