NIRS-XRF融合スペクトロスコピーと非線形残差補正を用いた大粒子の石炭の熱量測定: PLS-AE-RRモデルフレームワーク
Yifan Qiao1,2, Ruonan Liu1,2, Bin Li3
1State Key Laboratory of Quantum Optics and Quantum Optics Devices, Institute of Laser Spectroscopy, Shanxi University, Taiyuan 030006, China. qiaoyifan22@163.com.
この研究は,石炭の熱価をオンラインで正確に予測し,大きな石炭粒子の課題を克服するための新しいNIRS-XRF融合スペクトルフレームワークを導入しています. PLS-AE-RRモデルは,リグナイトとビトミナス石炭の予測精度を大幅に改善します.
科学分野:
- アナリティカル・ケミストリー (Analytical Chemistry) とは
- スペクトロスコーピーは,スペクトロスコーピーを用います.
- 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) について学ぶことです.
背景:
- 石炭のオンライン熱値予測は,発電所の効率化に不可欠です.
- 大きな石炭粒 (0-6mm) は,研磨の難しさ,マトリックス効果,非線形性により課題を提示し,予測の精度を低下させます.
- 既存の方法は,原炭のサンプルの複雑さと変動性に苦労しています.
研究 の 目的:
- 粗炭粒子のオンライン熱値予測のための堅牢で正確なフレームワークを開発する.
- 石炭サンプルにおけるマトリックス効果と非線形性の処理における伝統的な方法の限界に対処するためです.
- 燃料管理を改善するために,オンラインでの石炭品質評価の信頼性を高めること.
主な方法:
- PLS-AE-RR (Partial Least Squares - Autoencoder - Ridge Regression) と呼ばれる新しいNIRS-XRF融合スペクトルフレームワークを提案した.
- 線形ベースライン (PLS),非線形特征抽出 (AE),および残余補正 (RR) を組み合わせた3層ハイブリッドアーキテクチャを採用しました.
- カスタム化されたNIRS-XRFデュアルスペクトルコピーシステムを使用して153個の混合粒子石炭サンプルでフレームワークを検証しました.
主要な成果:
- PLS-AE-RRモデルは,粗炭サンプルにおける熱力の高い予測精度を達成しました.
- 試験セットのR2値は,リグナイトでは0.974,ビトミナス石炭では0.938に達した.
- 他の非線形矯正方法 (PLS-AE-RF,PLS-AE-SVR) よりも優れたパフォーマンスを実証し,MAEとRMSEが最も低い.
結論:
- PLS-AE-RRフレームワークは,粗炭のオンライン熱値予測に重要な進歩をもたらします.
- この方法は,石炭火力発電所の高精度,高信頼性のツールを提供し,手動でサンプルを事前処理する必要性を軽減します.
- 精密なオンライン測定を通じて,最適化された燃料管理と石炭混合戦略をサポートします.
さらに関連する動画
10:34Exploring the Radical Nature of a Carbon Surface by Electron Paramagnetic Resonance and a Calibrated Gas Flow
Published on: April 24, 2014
09:18Laser-heating and Radiance Spectrometry for the Study of Nuclear Materials in Conditions Simulating a Nuclear Power Plant Accident
Published on: December 14, 2017
関連する概念動画
Constant Volume Calorimetry
Flame Photometry: Overview
Atomic Emission Spectroscopy: Lab
Atomic Absorption Spectroscopy: Atomization Methods
