基于离散傅立叶变换的支持向量机光谱定量分析法

研究了火电厂电煤煤粉的近红外光谱特征,提取了前3个主成分和前6个离散傅立叶变换(DFT)系数,结合主成分得分、马氏距离和偏最小二乘(PLS)交互验证方法剔除异常样本,并建立偏最小二乘回归(PLSR)、栅格支持向量机回归(G-SVR)、遗传算法支持向量机回归(GA-SVR)和粒子群算法支持向量机回归(PSO-SVR)等定量分析模型。结果表明,利用DFT系数作为PSO-SVR模型的输入变量,当其进化代数为300,种群规模为20,模型参数c1、c2为1.5,1.7时,性能最优,其中校正集相关系数(RC)为0.990,测试集相关系数(RP)为0.954,定标标准差(SEC)为0.366,测试标准差(SEP)为0.128。该方法准确可靠,已成功应用于近红外在线电煤发热量监测系统,并可推广用于其它较为复杂的近红外在线分析系统。