-
题名基于机器学习及太赫兹时域光谱的煤质挥发分预测
- 1
-
-
作者
王利民
朱立江
刘金鸽
-
机构
国家能源集团煤焦化有限责任公司
华太极光光电技术有限公司
-
出处
《洁净煤技术》
北大核心
2025年第S1期146-152,共7页
-
文摘
基于机器学习算法,通过采集煤样的太赫兹时域光谱数据,构建了一个随机森林回归模型,能够高效准确预测煤的挥发分含量。利用主成分分析(PCA)及其变体算法,核主成分分析(KPCA)、序列主成分分析(SPCA)和增量主成分分析(IPCA),对光谱数据进行了降维和特征筛选优化。接着,采用随机森林算法构建了4种回归模型:RF-PCA、RF-KPCA、RF-SPCA和RF-IPCA。通过十折交叉验证和超参数优化确保了模型的准确性和精度。其中,RF-SPCA模型表现出色,预测精度最佳,R^(2)达到了0.985,RMSE为1.949,MAE为0.913。进一步分析学习曲线显示模型随训练样本增加而稳定,残差图则展示预测误差均匀分布在零点两侧,进一步验证了模型优异的泛化能力。这一研究为智能煤矿分析提供了有效的分析路径。
-
关键词
机器学习
随机森林
主成分分析
回归模型
太赫兹时域光谱
-
Keywords
machine learning
random forest
principal component analysis
regression model
terahertz time-domain spectroscopy
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于太赫兹光谱和随机森林算法的煤挥发分含量预测
- 2
-
-
作者
王利民
朱立江
刘金鸽
-
机构
国家能源集团煤焦化有限责任公司
华太极光光电技术有限公司
-
出处
《中国无机分析化学》
北大核心
2025年第6期867-873,共7页
-
基金
内蒙古自治区“揭榜挂帅”项目。
-
文摘
采用随机森林算法,以257种煤样的太赫兹时域光谱数据为基础,测定了每种煤样的挥发分,通过局部最大值检测(Local Max)和主成分分析(PCA)技术,实现了光谱数据的关键峰值提取和有效的数据降维处理。基于这些优化后的特征,进一步开发了三种不同的随机森林(Random Forest)回归模型:仅基于Local Max特征的RF-LM模型、仅基于PCA特征的RF-PCA模型,以及结合了Local Max和PCA特征的RF-LM+PCA模型。在这些模型中,RF-LM+PCA模型在预测精度上表现最为突出,其决定系数(R²)高达0.989,均方根误差(RMSE)为1.493,平均绝对误差(MAE)为0.902。不仅建立了一种结合太赫兹光谱分析与机器学习技术在煤质分析中的新方法,而且为智能煤矿分析领域提供了一种创新且实用的分析策略,有望推动该领域的技术进步和应用发展。
-
关键词
随机森林
局部最大值
主成分分析
太赫兹时域光谱
回归模型
-
Keywords
Random Forest
local maxima
principal component analysis
Terahertz time-domain spectroscopy
regression model
-
分类号
O657
[理学—分析化学]
-
