[發明專利]基于近紅外光譜主成分和神經網絡的生物質鈉含量測量與建模方法

在審

• 申請號: 201911181178.X
• 申請日: 2019-11-27
• 公開（公告）號: CN112861411A
• 公開（公告）日: 2021-05-28
• 發明（設計）人: 朱雁軍;董長青;張雁茹;王孝強;張俊姣;胡笑穎;趙瑩;薛俊杰;鄭宗明;張旭明
• 申請（專利權）人: 國能生物發電集團有限公司;華北電力大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06K9/62;G01N21/359;G06F111/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開一種基于近紅外光譜主成分和神經網絡的生物質鈉含量測量與建模方法，采用定量分析方法依據標準(如：國家標準GB/T 30725?2014《固體生物質燃料灰成份測定方法》)對生物質鈉含量進行測量，獲得生物質鈉含量測量值，采用近紅外光譜儀測量生物質樣本的近紅外光譜；測量近紅外數據采集時的環境溫度、壓力、紅外傳感器探頭距離樣品的距離、環境光強度等狀態參數；對獲得的光譜數據進行基線漂移，光滑去噪等預處理；將生物質近紅外光譜以及環境相關狀態參數與鈉含量測量值關聯，構建預測模型。本方法對生物質樣本無破壞，充分考慮測量環境造成的影響，可實現快速檢測、在線測量生物質中的鈉含量。

技術領域

本發明屬于生物質大數據分析領域，涉及到一種對生物質原料中的鈉進行快速準確的測量方法。

背景技術

生物質的利用屬于廢物利用并且不限制在一個方面，生物質燃料的鈉對鍋爐的運行起著至關重要的影響，對生物質鈉含量的檢測一般采用原子吸收法，按照國家標準(GB/T30725-2014)對樣品進行灰化處理，灰樣經氫氟酸、高氯酸分解，處于鹽酸介質中，采用空氣-乙炔火焰進行原子吸收測定。此法雖然準確，但是須破壞生物質樣品，所需時間較長，工藝復雜，難以實現實時在線測量。

專利CN 102095702 A中使用二階導數對數據進行預處理，利用偏最小二乘法進行數據建模，該方法沒有考慮實時測量時環境的影響作用。本發明則采用Chauvenet檢驗法是一個以正態分布為中心的范圍的檢驗法，去量鋼化，對于生物質的高斯形態的元素分布特性，采用支持向量機模型進行預測，相對來說比較科學實用。

專利CN 105954228 A中提供了一種基于近紅外光光譜對黃瓜表皮農藥殘留的鑒別方法，采用主成分分析來對數據進行預處理，采用偏最小二乘法建立模型進行預測，該方法沒有考慮實時測量時環境的影響作用。支持向量機模型計算量相對較小，運行迅速，模型準確。

發明內容

本發明提出的基于近紅外光譜主成分和神經網絡的生物質鈉含量測量與建模方法提供了一種可以實現在線實時測量、充分考慮測量環境影響、非接觸式快速測量方法。

為實現所述發明目的，本發明包含以下特征：

基于近紅外光譜主成分和神經網絡的生物質鈉含量測量與建模主要包括紅外光譜的測量、生物質鈉含量測量、狀態參數測量、主成分分析及支持向量機建模方法。

主要包含以下幾個步驟：

(1)生物質原始數據采集：依據標準(如：國家標準GB/T 30725-2014)對生物質鈉含量進行測量；利用近紅外光譜儀器(波長范圍為：1200～3000nm)對生物質樣本測量，獲得樣本的紅外光譜數據；測量紅外數據采集時的環境溫度、壓力、紅外傳感器探頭距離樣品的距離、環境光強等狀態參數。

(2)樣本集的劃分：采用隨機分類的方法，選取30％～70％的樣本作為訓練樣本集，其余數據作為驗證樣本集。訓練樣本集用來訓練神經網絡模型，驗證樣本集則用來檢測所建立的神經網絡模型是否準確。

(3)異常數據去除：本發明中采用Chauvenet檢驗法對數據進行異常數據處理，將異常數據從數據集中移除，剔除數據的粗大誤差，增強后來數據建模的精確性。

(4)紅外光譜數據預處理：本發明采用主成分分析方法，將紅外數據各波長的測量數據進行主成分分析，獲得主成分表達式和主成分數值。利用主成分對預處理后的數據進行降維后，選取貢獻率大于80％的成分作為主成分，去除數據的重復性和共線性，減少數據計算量并且保證數據原始特征。

(5)建立神經網絡模型：將經預處理后的紅外光譜的主成分數據，以及狀態參數數據作為支持向量機神經網絡的輸入參數，將生物質鈉含量測量值作為神經網絡輸出參數，采用訓練樣本集對建立的神經網絡進行訓練，當誤差小于0.1％時，完成優化訓練過程，獲得最優的網絡結構和參數。