基于粗糙集的Probit回归模型在煤炭种类识别中的应用

利用粗糙集理论筛选出识别无烟煤、烟煤、褐煤的主要特征指标粒状微粒体、壳质树脂体、平均最大反射率,并以此三指标建立了Probit回归分析模型,对模型参数先借助模拟退火算法求出初始值,再利用MATLAB优化函数fmincon求出参数的最终值。利用所建模型分别对建模样本和测试样本进行种类识别,结果正确率为100%,表明该模型具有很高的精确度,可用以煤炭种类识别,而且模型简单、易操作。

基于投影寻踪赋权的TOPSIS法在煤炭种类识别中的应用

针对煤炭分类是一个多属性、多目标的数据处理问题,提出一种逼近理想点(TOPSIS)的煤炭分类模式决策方法。利用投影寻踪(PP)计算各指标的权重,有效地克服了指标权重设置上的主观性和随机性,使决策结果更符合实际。实例分析表明用基于投影寻踪赋权的TOPSIS模型进行煤炭种类识别是可行的,有效的。

基于投影寻踪的灰色聚类分析在煤样识别中的应用

煤炭种类识别是一个非线性灰色系统,鉴于煤样特征指标较多、其意义、量纲不同,且在数量上差异较悬殊,选用了灰色定权聚类评判模型。因指标权重对模型评判结果具有重要影响,采用了投影寻踪法计算出各指标的客观权重,以此求出煤样隶属各灰类即无烟煤、烟煤及褐煤的聚类系数。分析表明用基于投影寻踪算法的灰色定权聚类分析识别煤样种类完全可行。