快速且準確識別礦井涌水水源對于防范煤礦水災事故有著重大的研究意義。利用激光誘導熒光（LIF）光譜融合智能分類算法進行礦井涌水水源識別打破了傳統(tǒng)水化學方法耗時過長等不足,具有靈敏度高、響應速度快等特點;然而目前這些已使用的算法僅能依靠分類準確率定性判別不同礦井涌水水樣的種類。把隨機森林（RF）算法和競爭性自適應重加權（CARS）算法相結合,基于激光誘導熒光的水樣熒光光譜數(shù)據(jù)建立偏最小二乘回歸（PLSR）模型來預測不同礦井涌水的含量,實現(xiàn)水樣的定量評估。首先,采集300組以老空水為基礎混入不同含量砂巖水的礦井涌水樣本,將采集到的水樣按4∶1比例隨機劃分成校正集和預測集,校正集共240組用于建立回歸模型,預測集共60組用于預測不同水樣,搭建激光誘導熒光涌水光譜系統(tǒng)完成光譜數(shù)據(jù)的獲取并生成熒光光譜圖。然后分別通過S-G卷積平滑法和Lowess平滑法對原始熒光光譜進行去噪處理,發(fā)現(xiàn)處理后的熒光光譜較原始光譜更為分散,適合光譜分析,對比了兩種去噪方法的預測精度,選擇Lowess平滑法作為最終去噪方法。接著采用RF算法約簡去噪后屬性重要度較低的光譜屬性,依據(jù)最優(yōu)回歸模型的性能選擇約簡出的223個屬性... 

【文章來源】：光譜學與光譜分析. 2020,40(07)北大核心EISCICSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

激光誘導熒光涌水光譜系統(tǒng)

分別對原始光譜采用S-G卷積平滑和Lowess平滑方法進行去噪預處理, 都采用3個窗口進行平滑, 如圖3所示。 較原始熒光光譜, 由于第四、 五兩組水樣老空水含量相近, 光譜依然存在部分重疊情況, 但其他重疊部分更為分散, 整體水樣更容易區(qū)分, 說明經S-G卷積平滑和Lowess平滑去噪預處理后的涌水熒光光譜更適合光譜分析。圖3 預處理后的熒光光譜

預處理后的熒光光譜

【參考文獻】：
期刊論文
[1]基于云平臺的礦井水害智慧應急救援系統(tǒng)與應用[J]. 武強,徐華,趙穎旺,杜沅澤,張小燕,穆文平,姚義.  煤炭學報. 2018(10)
[2]激光誘導擊穿光譜結合競爭自適應重加權采樣算法對豬飼料中銅元素的定量分析[J]. 劉珊珊,張俊,林思寒,劉木華,黎靜,潘作棟.  激光與光電子學進展. 2018(02)
[3]唐山礦塌陷區(qū)積水與礦井潛在水力聯(lián)系研究[J]. 劉國旺,常浩宇,郭均中.  煤炭科學技術. 2017(08)
[4]基于隨機森林特征選擇的視頻煙霧檢測[J]. 文澤波,康宇,曹洋,魏夢,宋衛(wèi)國.  中國科學技術大學學報. 2017(08)
[5]基于主成分分析的多項Logistic回歸模型的突水水源判別研究[J]. 張好,姚多喜,魯海峰,薛涼,朱寧寧.  高校地質學報. 2017(02)
[6]KNN結合PCA在激光誘導熒光光譜識別礦井突水中的應用[J]. 何晨陽,周孟然,閆鵬程.  光譜學與光譜分析. 2016(07)
[7]干擾環(huán)境下通信傳輸信號優(yōu)化仿真研究[J]. 劉文霞.  計算機仿真. 2016(05)



本文編號：3414207