• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 6
    • 下载费用:30 金币  

    重庆时时彩计划软件电脑版: 一种基于最小二乘支持向量机结合激光诱导击穿光谱识别炉渣种类的方法.pdf

    关 键 词:
    一种 基于 最小 支持 向量 结合 激光 诱导 击穿 光谱 识别 炉渣 种类 方法
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    摘要
    申请专利号:

    CN201510102111.8

    申请日:

    2015.03.10

    公开号:

    CN104697965A

    公开日:

    2015.06.10

    当前法律状态:

    实审

    有效性:

    审中

    法律详情: 发明专利申请公布后的驳回 IPC(主分类):G01N 21/63申请公布日:20150610|||实质审查的生效IPC(主分类):G01N 21/63申请日:20150310|||公开
    IPC分类号: G01N21/63 主分类号: G01N21/63
    申请人: 西北大学
    发明人: 李华; 张天龙; 汤宏胜
    地址: 710069陕西省西安市太白北路229号
    优先权:
    专利代理机构: 西安西达专利代理有限责任公司61202 代理人: 谢钢
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201510102111.8

    授权公告号:

    ||||||

    法律状态公告日:

    2019.03.22|||2015.07.08|||2015.06.10

    法律状态类型:

    发明专利申请公布后的驳回|||实质审查的生效|||公开

    摘要

    本发明提出了一种基于最小二乘支持向量机结合激光诱导击穿光谱(LIBS)分析技术对炉渣种类识别的方法。采用网格全局寻优和五折交叉验证来优化最小二乘支持向量机参数(径向基核函数-γ和σ2),并构建最小二乘支持向量机分类模型,然后将该分类模型与LIBS技术结合实现炉渣种类的识别。研究表明,最小二乘支持向量机建模方法具有很好的预测效果,为LIBS技术进行模式识别提供了一种新的建模方法,可用于冶金废弃物的识别、回收和再利用。

    权利要求书

    权利要求书
    1.  最小二乘支持向量机算法结合激光诱导击穿光谱对炉渣种类进行识别的方法,包括以下步骤:
    (1)利用激光诱导击穿光谱仪器对分别在30个炉渣样品的不同测量位点进行光谱数据采集;
    (2)从30个炉渣样品中随机挑选20个样品的光谱数据作为训练模型的训练集,其余10个样品对应的光谱数据作为测试集;
    (3)使用训练集数据通过网格搜索和五折交叉验证方法对LS-SVM训练模型两个参数径向基核函数-γ和σ2进行寻优;
    (4)确定模型最优参数后利用训练集数据建立炉渣分类的LS-SVM分类模型;
    (5)利用建立的LS-SVM模型预测未知炉渣所属的类别。

    2.  根据权利要求1所述的最小二乘支持向量机算法结合激光诱导击穿光谱对炉渣种类进行识别的方法,其特征在于:步骤(2) 中,训练集和测试集的LIBS光谱数据是经过最大值归一化后的光谱数据。

    3.  根据权利要求1所述的最小二乘支持向量机算法结合激光诱导击穿光谱对炉渣种类进行识别的方法,其特征在于:步骤(3)中,使用训练集数据对两个参数径向基核函数-γ和σ2进行寻优,γ取值范围为1-100,σ2 取值范围为1-100,两个参数的取值间隔均为1;采用网格搜索和五折交叉验证来进行寻优,正确分类率作为评价参数。

    4.  根据权利要求1所述的最小二乘支持向量机算法结合激光诱导击穿光谱对炉渣种类进行识别的方法,其特征在于:步骤(5)中,通过建立的最优LS-SVM训练模型来预测测试集炉渣样品所属类别,采用正确分类率和错误分类率两种指标进行评价。

    说明书

    说明书一种基于最小二乘支持向量机结合激光诱导击穿光谱识别炉渣种类的方法
    技术领域
    本发明涉及一种基于最小二乘支持向量机结合激光诱导击穿光谱识别炉渣种类的方法,属于光谱分析技术领域。
    背景技术
    在炼钢工业,大量的副产物以炉渣和沉积物的形式存在。每年世界炉渣工业的炉渣达到几乎5000万吨。炉渣作为炉渣行业的重要副产品在保障炼钢操作顺利进行、钢材质量和金属回收等方面起着决定性作用。不同类型的炼钢炉会产生不同的炉渣。每种炉渣具有其特有的化学、矿物和物理性能,然而其主要成分包括氧化钙、二氧化硅、氧化铝、氧化镁、氧化铁等。炉渣的分类有助于冶金废料的回收和再利用。炉渣的重新利用主要集中在混凝土、建筑材料、工程路基、肥料、污水处理的低成本吸附剂和土壤改良剂等。因此,对炉渣种类的分析有助于冶金领域废弃物的回收和再利用。目前,炉渣分析的常规方法有化学分析、原子荧光光谱法(XRF)、原子发射光谱法(AES)、电感耦合等离子体-发射光谱(ICP-OES)和质谱(MS)等,这些技术都需要复杂的样品前处理,并且耗时,无法快速获取钢材产品质量信息,限制了其实时快速分析的应用。激光诱导击穿光谱(laser-induced breakdown spectroscopy, LIBS)技术具有制样简单的优势,可以对炉渣进行快速分析,因此在冶金分析领域具有广泛的应用前景。
    LIBS是一种新兴的原子发射光谱技术,具有分析快捷、多元素同时分析以及无需样品预处理等优势,因此,LIBS技术被认为是最有前途的分析手段之一。近年来,LIBS技术广泛应用于环境污染、过程分析、科技考古、太空探测等领域,尤其在冶金领域具有很大的应用潜力。目前,LIBS技术在冶金工业的应用主要包括铁矿石筛选、过程控制和炉渣分析等。
    炉渣的分类和识别已经成为世界各国环保部门的主要工作。利用LIBS技术实现炉渣分类主要取决于其化学成分以及含量之间的差异,换句话说,它利用其LIBS光谱峰位置和积分强度的差异来进行分类。采用化学计量学方法可以充分利用LIBS光谱有效信息,可以一定程度上提高炉渣的分类性能。支持向量机是一种基于统计学习理论发展起来的新兴分类和回归算法。该方法可以有效克服神经网络方法收敛难、不稳定以及推广性(即泛化能力或预测能力)差的缺点,在解决小样本数、非线性和高维数据空间的模式识别问题上具有独特的优势。最小二乘支持向量机(least squares-support vector machine, LS-SVM)采用最小二乘线性系统作为损失函数,通过解一组线性方程组代替传统支持向量机采用的较复杂的二次规划方法,可以一定程度上减少计算复杂程度,加快了求解速度。
    发明内容
    本发明的目的是提供一种最小二乘支持向量机算法结合激光诱导击穿光谱对炉渣种类进行识别的方法,可以克服基体效应,自吸收效应以及过拟合现象,具有快速、高精度分析的优点。
    本发明实现过程如下:
    最小二乘支持向量机算法结合激光诱导击穿光谱对炉渣种类进行识别的方法,包括以下步骤:
    (1)利用激光诱导击穿光谱仪器对分别在30个炉渣样品的不同测量位点进行光谱数据采集;
    (2)从30个炉渣样品中随机挑选20个样品的光谱数据作为训练模型的训练集,其余10个样品对应的光谱数据作为测试集;
    (3)使用训练集数据通过网格搜索和五折交叉验证方法对LS-SVM训练模型两个参数径向基核函数-γ和σ2进行寻优;
    (4)确定模型最优参数后利用训练集数据建立炉渣分类的LS-SVM分类模型;
    (5)利用建立的LS-SVM模型预测未知炉渣所属的类别。
    上述步骤(2) 中,训练集和测试集的LIBS光谱数据是经过最大值归一化后的光谱数据。
    上述步骤(3)中,使用训练集数据对两个参数径向基核函数-γ和σ2进行寻优,γ取值范围为1-100,σ2 取值范围为1-100,两个参数的取值间隔均为1;采用网格搜索和五折交叉验证来进行寻优,正确分类率作为评价参数。
    上述步骤(5)中,通过建立的最优LS-SVM训练模型来预测测试集炉渣样品所属类别,采用正确分类率和错误分类率两种指标进行评价。
    本发明的优点与积极效果:本发明将最小二乘支持向量机算法结合激光诱导击穿对炉渣种类识别的方法,最小二乘支持向量机算法对异常值和噪声具有很好的容忍度,能够克服基体效应等因素的干扰,有效提高预测准确度,具有较强的泛化能力。
    附图说明
    图1 是最小二乘支持向量机建模流程图。
    具体实施方式
    以下以对三种炉渣样品分类为例,结合附图和实例来进一步说明本发明的操作流程,但本发明不限于此例。
    实施例1
    本实例使用的LIBS 系统包括双波长调Q 单脉冲Nd:YAG 激光器,光路系统,可调三维样品台,中阶梯光谱仪(ARYELLE-UV-VIS, LTB400, German) 和计算机。激光能量为80mJ, 基频光波长1064 nm,脉宽为10 ns,延迟时间为1.5 μs,重复频率为5 Hz,光谱范围为220nm-800 nm。
    选择三种炉渣(高炉渣、转炉渣和平炉渣),共30个炉渣样品,为了便于测试,每种炉渣样品用球磨机研磨至200目,然后每种样品被压成大约2mm厚的薄片,压力为400MPa并持续5min。
    利用激光诱导击穿光谱系统采集不同炉渣样品的LIBS 信号。在每个炉渣样品随机挑选50个测量点,在每个测量点经20 次连续激光脉冲打击后得到一个测量光谱,每10个测量光谱经平均得到一个分析光谱,最终30个炉渣样品共获得150个分析光谱(每个样品5个光谱)。
    考虑到炉渣样品具有整体成分不均一,局部成分均匀的特点,如果将所有炉渣样品的光谱主观性地分为训练集和测试集则容易出现过拟合导致分类准确率虚高。因此,我们对30个炉渣样品随机地分为训练集和测试集,训练集和测试集的LIBS光谱数据是经过最大值归一化后的光谱数据。
    使用训练集数据对径向基核函数-γ和σ2进行寻优,通常γ取值范围为1-100,σ2 取值范围为1-100,其中两者的取值间隔均为1。采用网格全局寻优和五折交叉验证来进行寻优,正确分类率作为评价参数。
    确定最优参数γ= 8,σ2 =23后,用训练集数据建立LS-SVM训练模型并对测试集炉渣样品所属种类进行判别。为了对比,将同样的数据采用偏最小二乘法判别分析(PLS-DA)进行预测,对比两种算法的正确分类率和错误分类率,见表1。

    对比LS-SVM和PLS-DA训练模型对测试集炉渣样品的分类结果,LS-SVM具有较好的预测效果,具有更好的正确分类率和较低的错误分类率。因此,最小二乘支持向量机结合激光诱导击穿光谱技术可以用于炉渣的识别以及其回收和再利用。

    关于本文
    本文标题:一种基于最小二乘支持向量机结合激光诱导击穿光谱识别炉渣种类的方法.pdf
    链接地址://www.4mum.com.cn/p-5890756.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
  • p3试机号今天晚上 ag捕鱼王破解下载 3d杀组选复式投注技巧 篮球比分捷报手机版 挂机赚钱3d游戏 复式投注 安徽快三开奖结果 山东群英会中奖规则表 宁夏11选5前一推荐号 瑞娜透码 银豹彩票苹果 001期曾道人必中三头 排三组选378 排列三历史数据 安徽时时彩官网平台 福建快3实时走势图