Investigación sobre métodos de transferencia de calibración en el análisis espectral de la calidad del carbón a...

Área de la Ciencia:

• Química analítica
• Espectroscopia
• Aprendizaje automático

Sus antecedentes:

• Las técnicas espectroscópicas como NIRS y XRF son vitales para el análisis rápido y no destructivo de la calidad del carbón.
• Las variaciones del instrumento y del tipo de carbón desafían la fiabilidad de los modelos de calibración establecidos.
• Los métodos tradicionales de transferencia de calibración (Slope/Bias, PDS) se enfrentan a limitaciones con matrices de carbón complejas.

Objetivo del estudio:

• Evaluar y comparar sistemáticamente los métodos tradicionales (S/B, PDS) y de aprendizaje automático (DANN) para la transferencia de calibración espectroscópica en el análisis del carbón.
• Evaluar el rendimiento de estos métodos en diferentes instrumentos y tipos de carbón.
• Determinar la eficiencia de DANN en términos de las muestras de calibración requeridas.

Principales métodos:

• Se utilizaron dos analizadores de calidad de carbón NIRS-XRF de desarrollo propio y 264 muestras de carbón (carbón gaseoso y graso).
• Comparación de pendiente / sesgo (S / B), estandarización directa por piezas (PDS) y redes neuronales de dominio adversario (DANN) para la transferencia de calibración.
• El rendimiento evaluado utilizando métricas: coeficiente de determinación (R_p²), error cuadrado de la raíz media de predicción (RMSE_p), y desviación relativa media absoluta (MARD_p).

Principales resultados:

• DANN logró una transferencia superior entre instrumentos (R_p²=0.92, RMSE_p=0.68%, MARD_p=6.19%), superando a S/B y PDS.
• Para la transferencia de tipo de carbón cruzado, DANN mostró una capacidad significativa (R_p²=0.75, RMSE_p=0.64%, MARD_p=7.89%), mientras que los métodos tradicionales fallaron.
• DANN requirió muestras mínimas de calibración (18 para el tipo de instrumento cruzado, 14 para el tipo de carbón cruzado) para un rendimiento óptimo.

Conclusiones:

• DANN demuestra una adaptabilidad y precisión superiores para la transferencia de calibración espectroscópica a través de instrumentos y tipos de carbón.
• Este enfoque de aprendizaje automático ofrece una solución innovadora para la aplicación industrial práctica del análisis espectroscópico del carbón.
• Los resultados ponen de relieve el potencial de DANN para superar las limitaciones de los métodos tradicionales, mejorando la eficiencia y la fiabilidad.