快速準(zhǔn)確的識(shí)別煤礦含水層水源對(duì)于煤礦突水預(yù)警及災(zāi)后救援意義重大,針對(duì)傳統(tǒng)水源識(shí)別耗時(shí)較長(zhǎng),不適宜構(gòu)建在線式預(yù)警系統(tǒng),提出使用激光誘導(dǎo)熒光技術(shù)用于煤礦水源類(lèi)型識(shí)別的方法。利用激光激發(fā)待測(cè)水樣,獲取其熒光光譜,結(jié)合模式識(shí)別對(duì)水源進(jìn)行快速辨識(shí)。實(shí)驗(yàn)采集了淮南礦區(qū)謝橋煤礦的兩種純水樣本-老空水與砂巖水,并根據(jù)不同混合比配成5種混合水樣進(jìn)行實(shí)驗(yàn)。首先針對(duì)獲取的水源熒光光譜中可能會(huì)存在的各種噪聲及干擾信息,采用SG、 Normalize、 Gapsegment求導(dǎo)、 Detrend和MSC 5種常用的光譜預(yù)處理算法對(duì)光譜數(shù)據(jù)進(jìn)行處理。其次針對(duì)熒光光譜數(shù)據(jù)量過(guò)大,對(duì)數(shù)據(jù)進(jìn)行PCA降維,作為對(duì)比6種預(yù)處理方式(含原始光譜)主成分?jǐn)?shù)皆取3,結(jié)果顯示SG預(yù)處理累計(jì)貢獻(xiàn)度最大,為97.26%;其次是原始光譜,為92.38%, Normalize與Detrend累計(jì)貢獻(xiàn)度相差不大,分別為88.04%和87.59%, MSC為66.41%, Gapsegment最差,為22.65%。最后分別對(duì)PCA降維后的數(shù)據(jù)使用線性LDA以及非線性RBF-SVM模型進(jìn)行識(shí)別對(duì)比。使用LDA進(jìn)行建模, SG-PCA-LDA正確...

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
引 言
1 實(shí)驗(yàn)部分
    1.1 材料
    1.2 儀器及數(shù)據(jù)采集
    1.3 數(shù)據(jù)處理方法
2 結(jié)果與討論
    2.1 樣本選擇
    2.2 樣本預(yù)處理
    2.3 PCA降維
    2.4 LDA對(duì)煤礦水源的識(shí)別模型
    2.5 RBF-SVM對(duì)煤礦水源的識(shí)別模型
3 結(jié) 論



本文編號(hào)：3745232