器具と石炭種間の石炭品質スペクトル解析における校正転送方法に関する研究

科学分野:

• 分析化学
• スペクトロスコーピー
• 機械学習

背景:

• NIRSやXRFのようなスペクトロスコーピテクニックは 石炭の素早く破壊的でない品質分析に不可欠です
• 測定器と石炭の種類によって,確立された校正モデルの信頼性が問題になっています.
• 伝統的な校正転送方法 (スロープ/バイアス,PDS) は,複雑な石炭マトリックスで制限に直面しています.

研究 の 目的:

• 炭鉱分析におけるスペクトロスコピク校正移転のための伝統的な (S/B,PDS) と機械学習 (DANN) の方法を体系的に評価し,比較する.
• 異なる器具と石炭の種類におけるこれらの方法の性能を評価する.
• 必要な校正サンプルで DANN の効率を決定する.

主な方法:

• 自社で開発した2つのNIRS-XRF石炭品質分析器と264個の石炭サンプル (ガスと脂肪炭) を利用した.
• 比較された傾き/バイアス (S/B),ピースワイド直接標準化 (PDS),および校正転送のためのドメイン対抗ニューラルネットワーク (DANN).
• メトリックを使用して評価された性能:決定係数 (R_p²),予測の平方平均誤差 (RMSE_p),および平均絶対相対偏差 (MARD_p).

主要な成果:

• DANNは優れたクロス・インストゥルメント・トランスファー (R_p²=0.92,RMSE_p=0.68%,MARD_p=6.19%) を達成し,S/BとPDSを上回った.
• クロス・コール・タイプの転送では,DANNは有意な能力を示した (R_p2=0.75,RMSE_p=0.64%,MARD_p=7.89%),従来の方法は失敗した.
• DANNは,最適な性能のために最小の校正サンプル (クロス・インストゥーム型は18個,クロス・コール型は14個) を要求した.

結論:

• DANNは,機器と石炭の種類を介してスペクトル測定の転送に優れた適応性と精度を証明しています.
• この機械学習のアプローチは,光学的な石炭分析の実用的な産業応用のための革新的な解決策を提供します.
• この発見は,DANNが従来の方法の限界を克服し,効率と信頼性を高める可能性を強調しています.