[发明专利]一种基于小波神经网络算法的煤灰种类识别方法

说明书

本发明公开了一种基于小波神经网络算法结合激光诱导击穿光谱技术的煤灰种类识别方法。利用激光诱导击穿光谱仪对煤灰薄片样品分别在不同的测量位点进行光谱数据采集，利用独立成分分析对训练集数据进行特征变量筛选，采用梯度下降法对小波神经网络模型参数进行优化，并预测未知煤灰样品的所属类别。该方法通过有效提取类间差异信息，同时剔除了与分析变量无关的噪音信息，减少了实验过程中参数波动和基体效应造成的不良影响，提高了分类结果的准确率。

技术领域

本发明涉及一种煤灰种类的识别方法，具体来说，利用激光诱导击穿光谱技术，借助小波神经网络算法实现煤灰种类的判别分析，属于光谱分析技术领域。

背景技术

近几年，在冬季我国出现长时间大面积的区域性污染天气，特别是雾霾现象已司空见惯，已成为全球关注的热点问题。大气污染威胁着人类健康和生态平衡，是21世纪人类面临的最大环境挑战之一。而造成空气污染，特别是雾霾现象的主要原因来自于煤的燃烧，其燃烧产物煤灰颗粒若不进行加工处理，就会转变成大气污染颗粒中危害最大的成分，从而影响人体健康。因此煤灰的回收和再利用成为了环境科学的重要课题，而煤灰的分类有助于其更好的回收和再利用。根据其种类的不同，煤灰不仅可用于道路的路面基层和回填等，而且可根据其所含的活性SiO₂、Al₂O₃和 CaO等用于废水处理，也可用作土壤改良剂来改善土壤的酸碱性。煤灰的综合利用不仅可以起到保护环境的作用，对社会经济也有很大的影响。

目前，常用的煤灰分析方法有化学分析、原子吸收光谱、X射线荧光光谱、瞬间中子活化法和电感耦合等离子体质谱法等，然而这些技术都需要复杂的样品前处理，且一些技术对轻元素检测不灵敏，还会有辐射等，这些缺点都限制了其快速分析的应用。激光诱导击穿光谱（简称LIBS）技术是一种基于原子发射光谱技术且激光作为激发源的新兴元素分析技术，具有无需复杂样品前处理、快速、实时、远程探测以及多元素同时分析等优势。近年来，该技术已被广泛应用于冶金分析、环境污染、地质矿物以及太空探测等领域。

利用LIBS技术实现煤灰分类主要取决于其化学成分以及含量之间的差异，换句话说，它利用其LIBS光谱峰位置和积分强度的差异来进行分类。由于LIBS 采集到的是复杂发射光谱，其中蕴含着丰富的化学信息和相关信息，不同种类物质的LIBS 光谱都存在差异，通过化学计量学方法将有效信息和差异信息提取出来并进行区分和判别物质所属种类，一定程度上可提高煤灰的分类性能。

发明内容

本发明的目的是提出了一种基于小波神经网络结合激光诱导击穿光谱技术的煤灰种类识别方法。由于LIBS 采集到的是复杂发射光谱，存在各种干扰现象如自吸收效应、元素互干扰以及环境噪声等，本发明通过建立小波神经网络分类模型，提取其差异信息，即可实现煤灰种类的判别分析。

本发明的技术方案是：

一种基于小波神经网络算法结合激光诱导击穿光谱技术的煤灰种类识别方法，包括如下步骤：

1）首先煤灰样品压成薄片，然后利用激光诱导击穿光谱仪对不同种类的煤灰薄片样品分别在不同的测量位点进行光谱数据采集；

2）从所有煤灰样品对应的光谱数据中随机挑选占样品总量2/3的煤灰样品光谱数据作为训练集，其余样品对应的光谱数据作为测试集；

3）利用独立成分分析对训练集数据进行光谱特征变量筛选，并将优化的光谱特征变量作为输入变量构建分类模型；

4）采用梯度下降法对小波神经网络模型参数进行优化；

5) 利用优化后的模型参数构建小波神经网络分类模型，并预测未知煤灰样品的所属类别。

上述步骤（3）中，光谱数据经独立成分分析处理后，通过均方误差作为评价指标考察不同的独立成分对模型性能的影响，独立成分数的取值范围为1-50，基于最小均方误差选择出最优的独立成分数，即特征变量。