基于主成分分析和偏最小二乘回归的烟煤水分近红外检测

基于近红外光谱技术对烟煤水分分析的快速、无损性。采集了100个烟煤样品,分成验证集和预测集,验证集85个,预测集15个。利用主成分分析对烟煤的近红外光谱数据进行压缩,然后以主成分为输入,采用偏最小二乘回归建立烟煤水分预测模型。烟煤水分平均绝对相对误差为0.0728,表明该方法用于预测烟煤水分含量是可行的。

FiPLS在烟煤水分近红外检测中的应用

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。

优化DWT-SVM参数并用于褐煤水分近红外检测

正交试验设计是一种常用于优化试验参数的方法,可以计算各参数对试验的影响。近红外光谱模型常常包含多个参数,参数设置直接影响模型检测精度。我们应用正交试验设计优化离散小波变换-支持向量机参数,对模型中包含的各参数选取七水平进行分析,并将模型用于褐煤样品的水分检测。研究结果表明正交试验设计可以通过较少试验次数有效优化模型参数。