【技術實現步驟摘要】
本專利技術涉及煤炭相關，特別是一種煤質檢測方法、電子設備及存儲介質。
技術介紹
1、煤炭目前仍是我國能源結構中最重要的能源，在國家未來的能源政策和計劃中，煤炭的高效清潔應用是煤炭轉型的必經之路。煤炭是一種可以用作燃料或工業原料的礦物質，成分和結構都非常復雜，而這正是影響煤炭高效利用的最關鍵的因素。如果能夠準確的測量煤質中的關鍵成分，則可以按照其成分及特性調整相應的煤炭利用工藝，實現高效清潔應用。
2、煤質檢測是指按照國家標準或相關方法，采用物理和/或化學的方法對煤樣進行化驗和測試，以獲得煤炭組成、性質指標的技術方法，這一過程常常需要至少一天的時間。現有技術的煤質分析方法多采用化學檢測方法進行煤質分析，其結果精度較高、代表性較強，但其實施過程需要對煤質樣品進行系統性的采樣和制樣，導致煤質檢測結果的時間顆粒度較大、時效性較低，使工藝人員難以根據當前應用煤質情況實時調整操作參數，更難以滿足現階段煤炭應用智能化調整的需求。
3、近紅外分析技術是目前最有前景且應用最廣泛的快速分析方法之一。近紅外光譜主要記錄的是有機分子內氫基團(o-h、c-h、n-h、s-h)對不同波長近紅外光的倍頻和合頻吸收信息，而含氫基團是大多數有機物分子結構組成的基本單元，通過對近紅外光吸收的不同而形成不同的光譜，通過對光譜的分析快速確定物質的組成。相較于其他快速檢測技術，近紅外光譜技術具有技術成熟、不含放射源、操作簡單、成本低、現場適用性強等特性。
4、對煤樣來說，近紅外光譜里可包含大多數有機物分子的結構和組成信息，但由于不同的
5、然而，現有基于近紅外光譜的煤質快速檢測技術，一般只采用單一算法建模，屬于寬泛模型。而煤樣種類多樣，采用單一算法建模的寬泛模型針對不同煤樣時，存在預測準確性低、判斷錯誤等技術問題。
技術實現思路
1、基于此，有必要針對現有技術采用單一算法建模的寬泛模型針對不同煤樣時，存在預測準確性低、判斷錯誤等技術問題的技術問題，提供一種煤質檢測方法、電子設備及存儲介質。
2、本專利技術提供一種煤質檢測方法，包括：
3、獲取訓練煤樣的光譜煤質數據組，所述光譜煤質數據組包括多對光譜煤質數據對，每對所述光譜煤質數據對包括所述訓練煤樣的光譜數據以及對應的實驗煤質指標數據，所述訓練煤樣與待測煤樣為同種類煤樣；
4、基于所述光譜煤質數據組，對不同煤質指標采用多種算法分別建立多個煤質指標預測模型，所述煤質指標預測模型以所述光譜數據為輸入，預測所述光譜數據所對應的預測煤質指標數據；
5、對多個煤質指標預測模型進行比較，選擇每種煤質指標的最優煤質指標預測模型；
6、獲取所述待測煤樣的光譜數據，采用待預測煤質指標的所述最優煤質指標預測模型預測所述待測煤樣的光譜數據對應的預測煤質指標數據。
7、進一步地，所述訓練煤樣的實驗煤質指標數據與所述待測煤樣所需要預測的預測煤質指標數據為相同煤質指標的數據。
8、進一步地，所述對多個煤質指標預測模型進行比較，選擇每種煤質指標的最優煤質指標預測模型，具體包括：
9、計算每種所述煤質指標預測模型的驗證參數，對同一煤質指標的多個所述煤質指標預測模型的驗證參數進行比較，選擇每種煤質指標的最優煤質指標預測模型。
10、進一步地，所述基于所述光譜煤質數據組，對不同煤質指標采用多種算法分別建立多個煤質指標預測模型，具體包括：
11、采用多種預處理方法對所述光譜煤質數據組進行預處理，得到多組預處理光譜煤質數據組；
12、對不同煤質指標，采用多種算法基于多組所述預處理光譜煤質數據組分別建立多個煤質指標預測模型，每個所述煤質指標預測模型對應一個煤質指標、一種算法以及一組所述預處理光譜煤質數據組。
13、更進一步地，所述對多個煤質指標預測模型進行比較，選擇每種煤質指標的最優煤質指標預測模型之后，所述方法還包括：
14、選擇每種煤質指標的最優煤質指標預測模型對應的所述預處理光譜煤質數據組作為該種煤質指標的最優光譜煤質數據組。
15、再進一步地，所述獲取所述待測煤樣的光譜數據，采用待預測煤質指標的所述最優煤質指標預測模型預測所述待測煤樣的光譜數據對應的預測煤質指標數據，具體包括：
16、獲取所述待測煤樣的光譜數據；
17、采用生成所述最優光譜煤質數據組的所述光譜預處理方法，對所述待測煤樣的光譜數據進行預處理，得到待測煤樣的預處理光譜數據；
18、采用所述最優煤質指標預測模型預測所述待測煤樣的預處理光譜數據對應的預測煤質指標數據。
19、進一步地，所述采用多種預處理方法對所述光譜煤質數據組進行預處理，得到多組預處理光譜煤質數據組，具體包括：
20、確定多種光譜前處理方法和/或多種特征光譜選擇方法；
21、采用每一種所述光譜前處理方法對所述光譜煤質數據組進行前處理，和/或采用每一種所述特征光譜選擇方法對所述光譜煤質數據組中的每對所述光譜煤質數據對的所述光譜數據進行光譜選擇，得到多組預處理光譜煤質數據組。
22、再進一步地，所述獲取所述待測煤樣的光譜數據，采用待預測煤質指標的所述最優煤質指標預測模型預測所述待測煤樣的光譜數據對應的預測煤質指標數據，具體包括：
23、獲取所述待測煤樣的光譜數據；
24、采用生成所述最優光譜煤質數據組的所述光譜前處理方法對所述待測煤樣的光譜數據進行前處理，和/或采用生成所述最優光譜煤質數據組的所述特征光譜選擇方法，對所述待測煤樣的光譜數據進行光譜選擇，得到待測煤樣的預處理光譜數據；
25、采用所述最優煤質指標預測模型預測所述待測煤樣的預處理光譜數據對應的預測煤質指標數據。
26、本專利技術提供一種電子設備，包括：
27、至少一個處理器；以及，
28、與至少一個所述處理器通信連接的存儲器；其中，
29、所述存儲器存儲有可被至少一個所述處理器執行的指令，所述指令被至少一個所述處理器執行，以使至少一個所述處理器能夠執行如前所述的煤質檢測方法。
30、本專利技術提供一種存儲介質，所述存儲介質存儲計算機指令，當計算機執行所述計算機指令時，用于執行如前所述的煤質檢測方法的所有步驟。
31、本專利技術針對不同的待測煤樣，基于同種類的訓練煤樣，對每種煤質指標采用多種算法建模，并從中選擇出最優煤質指標預測模型。因此，本專利技術針對特定煤樣種類的特定煤質指標進行獨立建模，解決寬泛模型預測準確性低、判斷錯誤等技術問題，提本文檔來自技高網...
【技術保護點】
1.一種煤質檢測方法，其特征在于，包括：
2.根據權利要求1所述的煤質檢測方法，其特征在于，所述訓練煤樣的實驗煤質指標數據與所述待測煤樣所需要預測的預測煤質指標數據為相同煤質指標的數據。
3.根據權利要求1所述的煤質檢測方法，其特征在于，所述對多個煤質指標預測模型進行比較，選擇每種煤質指標的最優煤質指標預測模型，具體包括：
4.根據權利要求1所述的煤質檢測方法，其特征在于，所述基于所述光譜煤質數據組，對不同煤質指標采用多種算法分別建立多個煤質指標預測模型，具體包括：
5.根據權利要求4所述的煤質檢測方法，其特征在于，所述對多個煤質指標預測模型進行比較，選擇每種煤質指標的最優煤質指標預測模型之后，所述方法還包括：
6.根據權利要求5所述的煤質檢測方法，其特征在于，所述獲取所述待測煤樣的光譜數據，采用待預測煤質指標的所述最優煤質指標預測模型預測所述待測煤樣的光譜數據對應的預測煤質指標數據，具體包括：
7.根據權利要求4所述的煤質檢測方法，其特征在于，所述采用多種預處理方法對所述光譜煤質數據組進行預處理，得到多組預
8.根據權利要求7所述的煤質檢測方法，其特征在于，所述獲取所述待測煤樣的光譜數據，采用待預測煤質指標的所述最優煤質指標預測模型預測所述待測煤樣的光譜數據對應的預測煤質指標數據，具體包括：
9.一種電子設備，其特征在于，包括：
10.一種存儲介質，其特征在于，所述存儲介質存儲計算機指令，當計算機執行所述計算機指令時，用于執行如權利要求1至8任一項所述的煤質檢測方法的所有步驟。
...【技術特征摘要】
1.一種煤質檢測方法，其特征在于，包括：
2.根據權利要求1所述的煤質檢測方法，其特征在于，所述訓練煤樣的實驗煤質指標數據與所述待測煤樣所需要預測的預測煤質指標數據為相同煤質指標的數據。
3.根據權利要求1所述的煤質檢測方法，其特征在于，所述對多個煤質指標預測模型進行比較，選擇每種煤質指標的最優煤質指標預測模型，具體包括：
4.根據權利要求1所述的煤質檢測方法，其特征在于，所述基于所述光譜煤質數據組，對不同煤質指標采用多種算法分別建立多個煤質指標預測模型，具體包括：
5.根據權利要求4所述的煤質檢測方法，其特征在于，所述對多個煤質指標預測模型進行比較，選擇每種煤質指標的最優煤質指標預測模型之后，所述方法還包括：
6.根據權利要求5所述的煤質檢測方法，其...
【專利技術屬性】
技術研發人員：安海泉，劉臻，彭寶仔，孫凱蒂，
申請(專利權)人：國家能源投資集團有限責任公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。