公开(公告)号：CN108489912B

公开(公告)日：2019-08-27

申请号：CN201810447623.1

申请日：2018-05-11

Applicant: 东北大学

Inventor： 黎霸俊 ,  肖冬 ,  毛亚纯 ,  宋亮 ,  何大阔

IPC: G01N21/25 ,  G06N3/04 ,  G06N3/00 ,  G06N20/00

Abstract: 本发明提供一种基于煤炭光谱数据的煤炭成分分析方法，包括：煤炭光谱数据采集；利用煤炭成分分析模型进行煤炭成分预测，该模型的输入是采集的光谱数据，输出是煤炭成分。本发明提供的方法利用光谱数据和煤炭工业分析测定结果，建立煤炭成分分析模型，该模型利用卷积神经网络提取得到光谱特征数据，将光谱特征数据极限学习机输出煤炭工业分析测定得到的与煤炭光谱数据对应的煤炭成分，此预测过程中采用人工蜂群算法优化极限学习机的权值和偏差量，由此得到优化的煤炭成分分析模型。煤炭成分分析模型与光谱技术融合并应用在煤炭工业分析领域，煤提供了一种新的、快速和准确的煤炭成分分析方法。

公开(公告)号：CN107341521A

公开(公告)日：2017-11-10

申请号：CN201710557742.8

申请日：2017-07-10

Applicant: 东北大学

Inventor： 黎霸俊 ,  肖冬 ,  毛亚纯 ,  宋亮 ,  刘善军 ,  何大阔

IPC: G06K9/62 ,  G06K9/46 ,  G06N3/00 ,  G06N3/04 ,  G06N3/08

CPC classification number: G06K9/6273 ,  G06K9/46 ,  G06N3/006 ,  G06N3/0481 ,  G06N3/08

Abstract: 本发明涉及一种基于煤炭光谱数据对煤炭分类的方法，包括以下步骤：获取多个待分类的煤炭样品的光谱数据，其中，每个煤炭样品的光谱数据中包括s个光谱特征；采用煤炭分类模型对所述光谱数据进行处理，获得所述光谱数据对应的煤炭品种，其中，所述煤炭分类模型为预先采用煤炭品种已知的多个煤炭样品的光谱数据建立的，所述煤炭分类模型为卷积神经网络-极限学习机神经网络，所述煤炭分类模型具有经过粒子群算法优化后的最优权重矩阵和最优偏置向量，所述煤炭分类模型用于处理包括s个光谱特征的光谱数据以获得光谱数据对应的煤炭品种。本发明提供的基于煤炭光谱数据对煤炭分类的方法，效率高、成本低、且精度较高。

公开(公告)号：CN108489912A

公开(公告)日：2018-09-04

申请号：CN201810447623.1

申请日：2018-05-11

Applicant: 东北大学

Inventor： 黎霸俊 ,  肖冬 ,  毛亚纯 ,  宋亮 ,  何大阔

IPC: G01N21/25 ,  G06N3/04 ,  G06N3/00 ,  G06N99/00

Abstract: 本发明提供一种基于煤炭光谱数据的煤炭成分分析方法，包括：煤炭光谱数据采集；利用煤炭成分分析模型进行煤炭成分预测，该模型的输入是采集的光谱数据，输出是煤炭成分。本发明提供的方法利用光谱数据和煤炭工业分析测定结果，建立煤炭成分分析模型，该模型利用卷积神经网络提取得到光谱特征数据，将光谱特征数据极限学习机输出煤炭工业分析测定得到的与煤炭光谱数据对应的煤炭成分，此预测过程中采用人工蜂群算法优化极限学习机的权值和偏差量，由此得到优化的煤炭成分分析模型。煤炭成分分析模型与光谱技术融合并应用在煤炭工业分析领域，煤提供了一种新的、快速和准确的煤炭成分分析方法。