[发明专利]一种煤炭灰分预测方法及装置

说明书

本发明提供一种煤炭灰分预测方法及装置，包括：获取待测煤炭的目标光谱特征；将所述目标光谱特征输入至灰分预测模型，确定由所述灰分预测模型输出的目标灰分浓度值；所述灰分预测模型是利用多个带有灰分浓度标签的样本光谱特征进行训练后得到的。本发明提供的煤炭灰分预测方法及装置，通过获取待测煤炭的目标光谱特征，利用灰分预测模型对目标光谱特征进行灰分浓度的实时检测，在提高对煤炭质量的检测效率的同时，还提高了煤灰分测定准确度，有助于煤炭的质量评定及煤厂的选择。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种煤炭灰分预测方法。

背景技术

煤含灰分量的多少是关系到煤炭价格的主要因素，同时也是影响煤炭质量的重要因素。

目前煤炭灰分的标准测定的常用方法为灼烧称重法以及快灰快浮等人工测灰法，灼烧称重法根据燃烧前、后的重量比得出杂质百分含量。

上述方法耗时耗力、效率低下，导致信息反馈滞后，无法实时检测煤炭质量。

发明内容

本发明提供一种煤炭灰分预测方法及装置，用以解决现有技术中无法实时检测煤炭质量的缺陷，实现对煤炭的灰分浓度值的实时检测。

本发明提供一种煤炭灰分预测方法，包括：

获取待测煤炭的目标光谱特征；

将所述目标光谱特征输入至灰分预测模型，确定由所述灰分预测模型输出的目标灰分浓度值；所述灰分预测模型是利用多个带有灰分浓度标签的样本光谱特征进行训练后得到的。

根据本发明提供的一种煤炭灰分预测方法，在所述将所述目标光谱特征输入至灰分预测模型之前，还包括：

获取多个样本光谱数据，以及各样本光谱数据对应的灰分浓度标签；

根据每个样本光谱数据与所述每个样本光谱数据对应的灰分浓度标签，确定所述每个样本光谱数据对应的灰分浓度值，以及所述每个样本光谱数据中各特征元素的特征值；

确定所述各特征元素的特征值和灰分浓度值之间的互信息量；

根据互信息量非零的特征元素，确定每个样本光谱数据对应的样本非零光谱特征；

根据各样本非零光谱特征，确定多个训练样本；

利用所述多个训练样本，对所述灰分预测模型进行训练。

根据本发明提供的一种煤炭灰分预测方法，所述根据各样本非零光谱特征，确定多个训练样本，包括：

根据各样本非零光谱特征的分布区间，生成多个样本合成光谱特征，以及每个样本合成光谱特征对应的灰分浓度标签；

根据所有的样本非零光谱特征和所述多个样本合成光谱特征，确定多个样本光谱特征；

将每个样本光谱特征与所述每个样本光谱特征对应的灰分浓度标签的组合，作为一个训练样本，获取多个训练样本。

根据本发明提供的一种煤炭灰分预测方法，所述利用所述多个训练样本，对所述灰分预测模型进行训练，包括：

将所述多个训练样本划分为训练集和验证集；

将所述训练集中任一训练样本输入至所述灰分预测模型，获取所述灰分预测模型输出的所述训练集中任一训练样本对应的预测灰分浓度值；

利用预设损失函数根据所述任一训练样本对应的预测灰分浓度值和所述任一训练样本中的灰分浓度标签计算损失值；

若所述损失值小于预设阈值，则利用所述验证集对所述灰分预测模型进行验证。

根据本发明提供的一种煤炭灰分预测方法，所述利用所述验证集对所述灰分预测模型进行验证，包括：

将所述验证集中任一训练样本输入至所述灰分预测模型，获取所述灰分预测模型输出的所述验证集中任一训练样本对应的验证灰分浓度值；

根据所述验证集中各训练样本对应的验证灰分浓度值和灰分浓度标签，确定所述灰分预测模型在所述验证集上的平均绝对误差、R方以及平均相对误差。