[发明专利]基于近红外光谱主成分和神经网络的生物质水含量测量与建模方法

说明书

本发明公开一种基于近红外光谱主成分和神经网络的生物质水分含量测量与建模方法，采用定量分析方法依据标准(如：国家标准GB/T 28733‑2012《固体生物质燃料全水分测量方法》)对生物质水分含量进行测量，获得生物质水分含量测量值，采用近红外光谱仪测量生物质样本的近红外光谱；测量近红外数据采集时的环境温度、压力、红外传感器探头距离样品的距离、环境光强度等状态参数；对获得的光谱数据进行基线漂移，光滑去噪等预处理；将生物质近红外光谱以及环境相关状态参数与水分含量测量值关联，构建预测模型。本方法对生物质样本无破坏，充分考虑测量环境造成的影响，可实现快速检测、在线测量生物质中的水分含量。

技术领域

本发明属于生物质大数据分析领域，涉及到一种对生物质原料中的水分进行快速准确的测量方法。

背景技术

生物质的利用属于废物利用并且不限制在一个方面,生物质燃料的水分对锅炉的运行起着至关重要的影响，对生物质水含量的检测多采用烘箱干燥法，即为称取一定量的固体生物质燃料试样，于105℃±2℃的温度下，在空气流中干燥到质量恒定，趁热称量。根据样品干燥后的质量损失计算出全水分含量。在国家标准(GB/T 28733-2012)《固体生物质燃料全水分测量方法》中也采取此方法，此法虽然准确，但是所需时间较长，难以实现实时在线测量。

专利CN 103776797 A中使用BP神经网络算法建模基于红外光谱对平利绞股蓝(一种草本植物)的鉴别方法，相对于BP神经网络来说，支持向量机神经网络具有更高的准确和精度且相对来说数据运算量一般比BP神经网络来说较小，更适用于较大数据的优化和计算问题，同时，该方法没有考虑实时测量时环境的影响作用。

专利CN 109374573 A中提供了一种基于近红外光光谱对黄瓜表皮农药残留的鉴别方法，采用离差标准化来对异常数据进行处理，采用支持向量机模型进行预测，，该方法没有考虑实时测量时环境的影响作用。本发明则采用Chauvenet检验法是一个以正态分布为中心的范围的检验法，对于生物质的高斯形态的元素分布特性，相对来说比较科学实用。

发明内容

本发明提出的基于近红外光谱主成分和神经网络的生物质水含量测量与建模方法提供了一种可以实现在线实时测量、充分考虑测量环境影响、非接触式快速测量方法。

为实现所述发明目的，本发明包含以下特征：

基于近红外光谱主成分和神经网络的生物质水含量测量与建模主要包括红外光谱的测量、生物质水分含量测量、状态参数测量、主成分分析及支持向量机建模方法。

主要包含以下几个步骤：

(1)生物质原始数据采集：依据标准(如：国家标准GB/T 28733-2012)对生物质水分含量进行测量；利用近红外光谱仪器(波长范围为：1200～30000nm)对生物质样本测量，获得样本的红外光谱数据；测量红外数据采集时的环境温度、压力、红外传感器探头距离样品的距离、环境光强等状态参数。

(2)样本集的划分：采用随机分类的方法，选取30％～70％的样本作为训练样本集，其余数据作为验证样本集。训练样本集用来训练神经网络模型，验证样本集则用来检测所建立的神经网络模型是否准确。

(3)异常数据去除：本发明中采用Chauvenet检验法对数据进行异常数据处理，将异常数据从数据集中移除，剔除数据的粗大误差，增强后来数据建模的精确性。

(4)红外光谱数据预处理：本发明采用主成分分析方法，将红外数据各波长的测量数据进行主成分分析，获得主成分表达式和主成分数值。利用主成分对预处理后的数据进行降维后，选取贡献率大于80％的成分作为主成分，去除数据的重复性和共线性，减少数据计算量并且保证数据原始特征。