掃一掃
關(guān)注中圖網(wǎng)
官方微博
本類五星書更多>
-
>
公路車寶典(ZINN的公路車維修與保養(yǎng)秘籍)
-
>
晶體管電路設(shè)計(下)
-
>
基于個性化設(shè)計策略的智能交通系統(tǒng)關(guān)鍵技術(shù)
-
>
花樣百出:貴州少數(shù)民族圖案填色
-
>
山東教育出版社有限公司技術(shù)轉(zhuǎn)移與技術(shù)創(chuàng)新歷史叢書中國高等技術(shù)教育的蘇化(1949—1961)以北京地區(qū)為中心
-
>
鐵路機(jī)車概要.交流傳動內(nèi)燃.電力機(jī)車
-
>
利維坦的道德困境:早期現(xiàn)代政治哲學(xué)的問題與脈絡(luò)
煤質(zhì)近紅外光譜智能分析理論與應(yīng)用 版權(quán)信息
- ISBN：9787030593030
- 條形碼：9787030593030 ; 978-7-03-059303-0
- 裝幀：暫無
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
煤質(zhì)近紅外光譜智能分析理論與應(yīng)用 本書特色
為了充分利用煤炭資源，必須及時掌握煤質(zhì)的變化規(guī)律。受測量方法和相關(guān)技術(shù)限制，傳統(tǒng)的煤質(zhì)分析技術(shù)已不能滿足煤炭生產(chǎn)、加工和利用等過程的要求。煤質(zhì)近紅外光譜分析技術(shù)是一種新興的煤質(zhì)快速檢測方法，可實現(xiàn)煤質(zhì)全元素的快速在線分析。由于該技術(shù)是一種間接分析方法，預(yù)測結(jié)果的準(zhǔn)確性主要依賴于建模數(shù)據(jù)及方法。鑒于此，針對煤樣光譜數(shù)據(jù)存在的不穩(wěn)定因素多、維數(shù)高、特征變異范圍廣等問題，本書基于機(jī)器學(xué)習(xí)方法，建立相應(yīng)的煤質(zhì)近紅外光譜分析系統(tǒng)框架，并圍繞影響其應(yīng)用的四個關(guān)鍵問題展開研究，具體包括：建模樣本優(yōu)化篩選研究，煤樣光譜數(shù)據(jù)的恢復(fù)處理研究，煤樣光譜數(shù)據(jù)壓縮處理研究，煤樣光譜定性與定量分析方法研究。*后，據(jù)此構(gòu)建煤質(zhì)的快速在線分析模型并進(jìn)行應(yīng)用研究。書中所形成的研究成果，近紅外光譜技術(shù)在煤質(zhì)快速在線分析方面的應(yīng)用，可大幅提高煤質(zhì)近紅外光譜分析模型的預(yù)測準(zhǔn)確度，具有重要的理論意義和實際應(yīng)用價值。
煤質(zhì)近紅外光譜智能分析理論與應(yīng)用 內(nèi)容簡介
本項目的目標(biāo)是基于數(shù)據(jù)挖掘技術(shù), 建立相應(yīng)的煤質(zhì)近紅外光譜分析系統(tǒng)框架, 并圍繞影響其應(yīng)用的四個關(guān)鍵問題展開研究, 具體包括: 建模樣本優(yōu)化篩選研究 ; 煤樣光譜數(shù)據(jù)的恢復(fù)處理研究 ; 煤樣光譜數(shù)據(jù)壓縮處理研究 ; 煤樣光譜定性與定量分析方法研究。
煤質(zhì)近紅外光譜智能分析理論與應(yīng)用 目錄
目錄
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.2 煤炭質(zhì)量的常規(guī)分析 2
1.2.1 煤質(zhì)的標(biāo)準(zhǔn)測定方法 2
1.2.2 煤質(zhì)分析的研究現(xiàn)狀 6
1.3 煤質(zhì)近紅外光譜分析研究現(xiàn)狀 7
1.3.1 近紅外光譜技術(shù)的研究現(xiàn)狀 7
1.3.2 煤質(zhì)近紅外光譜分析技術(shù)的研究現(xiàn)狀 8
第2章 煤質(zhì)近紅外光譜分析理論與技術(shù) 10
2.1 近紅外光譜分析理論基礎(chǔ) 10
2.1.1 分子振動光譜理論 10
2.1.2 透射光譜的理論基礎(chǔ) 12
2.1.3 漫反射光譜的理論基礎(chǔ) 13
2.2 煤質(zhì)近紅外光譜分析 15
2.2.1 理論基礎(chǔ) 15
2.2.2 煤樣采取與制備 16
2.2.3 近紅外光譜分析儀 19
2.2.4 基礎(chǔ)分析模型 21
2.3 本章小結(jié) 25
第3章 煤炭光譜數(shù)據(jù)的優(yōu)化和校正 27
3.1 煤粒度對光譜數(shù)據(jù)準(zhǔn)確性的影響 27
3.1.1 實驗數(shù)據(jù) 27
3.1.2 實驗方法 29
3.1.3 結(jié)果與討論 29
3.2 基于距離測定的異常樣本剔除 31
3.2.1 基于歐氏迭代裁剪法的異常樣品剔除 32
3.2.2 基于馬氏迭代裁剪法的異常樣品剔除 36
3.2.3 基于改進(jìn)留一交叉驗證法的異常樣品篩選 40
3.3 基于并行*小二乘回歸估計的爭議樣本判別 45
3.3.1 理論基礎(chǔ) 45
3.3.2 爭議樣本的判別過程 47
3.3.3 結(jié)果與討論 48
3.4 本章小結(jié) 51
第4章 煤炭光譜數(shù)據(jù)的恢復(fù)去噪 53
4.1 常用的光譜恢復(fù)方法 53
4.1.1 理論基礎(chǔ) 53
4.1.2 結(jié)果與討論 55
4.2 基于擬線性局部加權(quán)法的光譜散射校正 59
4.2.1 理論基礎(chǔ) 59
4.2.2 擬線性曲線與局部加權(quán)函數(shù)的選取 60
4.2.3 結(jié)果與討論 62
4.3 基于粗糙懲罰法的光譜優(yōu)化平滑模式 65
4.3.1 理論基礎(chǔ) 65
4.3.2 粗糙懲罰法 67
4.3.3 端點信息修補 68
4.3.4 參數(shù)優(yōu)化 69
4.3.5 光譜的D階導(dǎo)數(shù) 69
4.3.6 結(jié)果與討論 69
4.4 本章小結(jié) 74
第5章 煤炭光譜數(shù)據(jù)的篩選壓縮 76
5.1 基于要點排序法的波長點向前選擇 76
5.1.1 理論基礎(chǔ) 76
5.1.2 要點排序法 77
5.1.3 特征光譜波長點的篩選過程 78
5.1.4 結(jié)果與討論 79
5.2 基于優(yōu)化組合法的譜區(qū)選擇 86
5.2.1 基于譜區(qū)排序的向前選擇法 86
5.2.2 基于遺傳算法的譜區(qū)選擇 86
5.2.3 結(jié)果與討論 87
5.3 基于核主成分分析的光譜特征提取 94
5.3.1 理論基礎(chǔ) 94
5.3.2 結(jié)果與討論 95
5.4 基于局部多維尺度變換的光譜特征提取 101
5.4.1 多維尺度變換 101
5.4.2 局部多維尺度變換 102
5.4.3 結(jié)果與討論 103
5.5 基于局部線性嵌入算法的光譜特征提取 104
5.5.1 理論基礎(chǔ) 104
5.5.2 結(jié)果與討論 105
5.6 本章小結(jié) 107
第6章 煤質(zhì)近紅外光譜定量分析模型 109
6.1 基于支持向量回歸機(jī)的定量分析模型 109
6.1.1 理論基礎(chǔ) 109
6.1.2 模型參數(shù)優(yōu)化 111
6.1.3 結(jié)果與討論 113
6.2 基于分層隨機(jī)森林的煤質(zhì)近紅外光譜定量分析 116
6.2.1 分層抽樣原理 117
6.2.2 基于互信息的分層隨機(jī)森林模型 118
6.2.3 結(jié)果與討論 118
6.3 基于集成神經(jīng)網(wǎng)絡(luò)方法的定量分析模型 121
6.3.1 理論基礎(chǔ) 121
6.3.2 神經(jīng)網(wǎng)絡(luò)集成與參數(shù)優(yōu)化 123
6.3.3 結(jié)果與討論 125
6.4 待測樣本集的預(yù)測與修正 131
6.4.1 待測樣本集的預(yù)測 131
6.4.2 待測樣本集的調(diào)整 135
6.5 本章小結(jié) 137
第7章 煤質(zhì)近紅外光譜定性分析模型 139
7.1 基于支持向量機(jī)的定性分析模型 139
7.1.1 理論基礎(chǔ) 139
7.1.2 結(jié)果與討論 140
7.2 基于學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的定性分析模型 141
7.2.1 基礎(chǔ)理論 141
7.2.2 結(jié)果與討論 143
7.3 基于決策樹算法的定性分析模型 144
7.3.1 理論基礎(chǔ) 144
7.3.2 結(jié)果與討論 149
7.4 基于隨機(jī)森林算法的定性分析方法 150
7.4.1 基礎(chǔ)理論 150
7.4.2 結(jié)果與討論 153
7.5 基于改進(jìn)隨機(jī)森林的煤質(zhì)定性分析 154
7.5.1 理論基礎(chǔ) 154
7.5.2 結(jié)果與討論 155
7.6 近紅外光譜煤產(chǎn)地鑒別系統(tǒng) 158
7.7 本章小結(jié) 159
參考文獻(xiàn) 160
附錄 169
前言
第1章 緒論 1
1.1 研究背景及意義 1
1.2 煤炭質(zhì)量的常規(guī)分析 2
1.2.1 煤質(zhì)的標(biāo)準(zhǔn)測定方法 2
1.2.2 煤質(zhì)分析的研究現(xiàn)狀 6
1.3 煤質(zhì)近紅外光譜分析研究現(xiàn)狀 7
1.3.1 近紅外光譜技術(shù)的研究現(xiàn)狀 7
1.3.2 煤質(zhì)近紅外光譜分析技術(shù)的研究現(xiàn)狀 8
第2章 煤質(zhì)近紅外光譜分析理論與技術(shù) 10
2.1 近紅外光譜分析理論基礎(chǔ) 10
2.1.1 分子振動光譜理論 10
2.1.2 透射光譜的理論基礎(chǔ) 12
2.1.3 漫反射光譜的理論基礎(chǔ) 13
2.2 煤質(zhì)近紅外光譜分析 15
2.2.1 理論基礎(chǔ) 15
2.2.2 煤樣采取與制備 16
2.2.3 近紅外光譜分析儀 19
2.2.4 基礎(chǔ)分析模型 21
2.3 本章小結(jié) 25
第3章 煤炭光譜數(shù)據(jù)的優(yōu)化和校正 27
3.1 煤粒度對光譜數(shù)據(jù)準(zhǔn)確性的影響 27
3.1.1 實驗數(shù)據(jù) 27
3.1.2 實驗方法 29
3.1.3 結(jié)果與討論 29
3.2 基于距離測定的異常樣本剔除 31
3.2.1 基于歐氏迭代裁剪法的異常樣品剔除 32
3.2.2 基于馬氏迭代裁剪法的異常樣品剔除 36
3.2.3 基于改進(jìn)留一交叉驗證法的異常樣品篩選 40
3.3 基于并行*小二乘回歸估計的爭議樣本判別 45
3.3.1 理論基礎(chǔ) 45
3.3.2 爭議樣本的判別過程 47
3.3.3 結(jié)果與討論 48
3.4 本章小結(jié) 51
第4章 煤炭光譜數(shù)據(jù)的恢復(fù)去噪 53
4.1 常用的光譜恢復(fù)方法 53
4.1.1 理論基礎(chǔ) 53
4.1.2 結(jié)果與討論 55
4.2 基于擬線性局部加權(quán)法的光譜散射校正 59
4.2.1 理論基礎(chǔ) 59
4.2.2 擬線性曲線與局部加權(quán)函數(shù)的選取 60
4.2.3 結(jié)果與討論 62
4.3 基于粗糙懲罰法的光譜優(yōu)化平滑模式 65
4.3.1 理論基礎(chǔ) 65
4.3.2 粗糙懲罰法 67
4.3.3 端點信息修補 68
4.3.4 參數(shù)優(yōu)化 69
4.3.5 光譜的D階導(dǎo)數(shù) 69
4.3.6 結(jié)果與討論 69
4.4 本章小結(jié) 74
第5章 煤炭光譜數(shù)據(jù)的篩選壓縮 76
5.1 基于要點排序法的波長點向前選擇 76
5.1.1 理論基礎(chǔ) 76
5.1.2 要點排序法 77
5.1.3 特征光譜波長點的篩選過程 78
5.1.4 結(jié)果與討論 79
5.2 基于優(yōu)化組合法的譜區(qū)選擇 86
5.2.1 基于譜區(qū)排序的向前選擇法 86
5.2.2 基于遺傳算法的譜區(qū)選擇 86
5.2.3 結(jié)果與討論 87
5.3 基于核主成分分析的光譜特征提取 94
5.3.1 理論基礎(chǔ) 94
5.3.2 結(jié)果與討論 95
5.4 基于局部多維尺度變換的光譜特征提取 101
5.4.1 多維尺度變換 101
5.4.2 局部多維尺度變換 102
5.4.3 結(jié)果與討論 103
5.5 基于局部線性嵌入算法的光譜特征提取 104
5.5.1 理論基礎(chǔ) 104
5.5.2 結(jié)果與討論 105
5.6 本章小結(jié) 107
第6章 煤質(zhì)近紅外光譜定量分析模型 109
6.1 基于支持向量回歸機(jī)的定量分析模型 109
6.1.1 理論基礎(chǔ) 109
6.1.2 模型參數(shù)優(yōu)化 111
6.1.3 結(jié)果與討論 113
6.2 基于分層隨機(jī)森林的煤質(zhì)近紅外光譜定量分析 116
6.2.1 分層抽樣原理 117
6.2.2 基于互信息的分層隨機(jī)森林模型 118
6.2.3 結(jié)果與討論 118
6.3 基于集成神經(jīng)網(wǎng)絡(luò)方法的定量分析模型 121
6.3.1 理論基礎(chǔ) 121
6.3.2 神經(jīng)網(wǎng)絡(luò)集成與參數(shù)優(yōu)化 123
6.3.3 結(jié)果與討論 125
6.4 待測樣本集的預(yù)測與修正 131
6.4.1 待測樣本集的預(yù)測 131
6.4.2 待測樣本集的調(diào)整 135
6.5 本章小結(jié) 137
第7章 煤質(zhì)近紅外光譜定性分析模型 139
7.1 基于支持向量機(jī)的定性分析模型 139
7.1.1 理論基礎(chǔ) 139
7.1.2 結(jié)果與討論 140
7.2 基于學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)的定性分析模型 141
7.2.1 基礎(chǔ)理論 141
7.2.2 結(jié)果與討論 143
7.3 基于決策樹算法的定性分析模型 144
7.3.1 理論基礎(chǔ) 144
7.3.2 結(jié)果與討論 149
7.4 基于隨機(jī)森林算法的定性分析方法 150
7.4.1 基礎(chǔ)理論 150
7.4.2 結(jié)果與討論 153
7.5 基于改進(jìn)隨機(jī)森林的煤質(zhì)定性分析 154
7.5.1 理論基礎(chǔ) 154
7.5.2 結(jié)果與討論 155
7.6 近紅外光譜煤產(chǎn)地鑒別系統(tǒng) 158
7.7 本章小結(jié) 159
參考文獻(xiàn) 160
附錄 169
展開全部
書友推薦
- >
龍榆生：詞曲概論/大家小書
- >
羅庸西南聯(lián)大授課錄
- >
推拿
- >
新文學(xué)天穹兩巨星--魯迅與胡適/紅燭學(xué)術(shù)叢書(紅燭學(xué)術(shù)叢書)
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
唐代進(jìn)士錄
- >
二體千字文
- >
月亮虎
本類暢銷
