基于反射光谱和IAT-TELM算法的煤炭分类
Boyan Li1,2, Dong Xiao1,2, Hongfei Xie1,2
1School of Information Science and Engineering, Northeastern University, Shenyang 110819, China.
本研究介绍了一种改进的机器学习算法用于煤炭分类. 新的IAT-TELM方法使用光谱数据准确识别煤炭类型,为传统技术提供更快,更精确的替代方案.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 机器学习应用 机器学习应用
背景情况:
- 煤炭是全球主要的能源,其质量对工业过程产生重大影响.
- 传统的煤炭分类方法 (手工检查,化学测定) 是低效的,缺乏一致的准确性.
- 准确的煤炭类型识别对于优化工业应用和资源管理至关重要.
研究的目的:
- 开发一种快速,准确和具有成本效益的算法,用于使用光谱数据进行煤炭分类.
- 通过先进的机器学习解决传统煤炭分类方法的局限性.
- 通过改进现有的机器学习模型来提高煤炭分类性能.
主要方法:
- 收集并预先处理的煤,炭酸盐和煤的反射频谱.
- 开发了一个亲属转换函数极端学习机器 (AT-TELM) 模型.
- 通过改进权重矩阵和偏差来优化AT-TELM模型,从而改进了AT-TELM (IAT-TELM).
主要成果:
- IAT-TELM模型实现了高碳分类准确率的97.8%.
- 优化的模型有效地处理由随机权重和偏差赋值引起的偏斜数据分布.
- 频谱分析与机器学习相结合,被证明优于传统的分类方法.
结论:
- IAT-TELM算法在煤炭分类技术方面取得了重大进展.
- 这种光谱分析和机器学习方法为工业需求提供了具有成本效益,快速和精确的解决方案.
- 开发的方法显示了煤炭行业实际应用的巨大潜力.
更多相关视频
08:12Author Spotlight: Exploring Light-Driven Chemical Reactions and Energy-Harnessing Devices in Photochemical Research
Published on: February 16, 2024
07:51Combining Raman Imaging and Multivariate Analysis to Visualize Lignin, Cellulose, and Hemicellulose in the Plant Cell Wall
Published on: June 10, 2017
相关概念视频
Attenuated Total Reflectance (ATR) Infrared Spectroscopy: Overview
The ATR process begins by directing a beam...
Applications of IR Spectroscopy: Overview
Classification of Titrimetric Analysis Based on Reaction Types
Titrations between an acid and a base lead to neutralization reactions that form...
IR Spectroscopy: Molecular Vibration Overview
Stretching vibrations are vibrational motions that occur along the bond line, changing the bond length or distance between two bonded atoms. They are further distinguished as symmetric or asymmetric. In symmetric stretching, the...
IR Spectrometers
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
