目录

前言

第1章 绪论 1

1.1 研究背景及意义 1

1.2 煤炭质量的常规分析 2

1.2.1 煤质的标准测定方法 2

1.2.2 煤质分析的研究现状 6

1.3 煤质近红外光谱分析研究现状 7

1.3.1 近红外光谱技术的研究现状 7

1.3.2 煤质近红外光谱分析技术的研究现状 8

第2章 煤质近红外光谱分析理论与技术 10

2.1 近红外光谱分析理论基础 10

2.1.1 分子振动光谱理论 10

2.1.2 透射光谱的理论基础 12

2.1.3 漫反射光谱的理论基础 13

2.2 煤质近红外光谱分析 15

2.2.1 理论基础 15

2.2.2 煤样采取与制备 16

2.2.3 近红外光谱分析仪 19

2.2.4 基础分析模型 21

2.3 本章小结 25

第3章 煤炭光谱数据的优化和校正 27

3.1 煤粒度对光谱数据准确性的影响 27

3.1.1 实验数据 27

3.1.2 实验方法 29

3.1.3 结果与讨论 29

3.2 基于距离测定的异常样本剔除 31

3.2.1 基于欧氏迭代裁剪法的异常样品剔除 32

3.2.2 基于马氏迭代裁剪法的异常样品剔除 36

3.2.3 基于改进留一交叉验证法的异常样品筛选 40

3.3 基于并行最小二乘回归估计的争议样本判别 45

3.3.1 理论基础 45

3.3.2 争议样本的判别过程 47

3.3.3 结果与讨论 48

3.4 本章小结 51

第4章 煤炭光谱数据的恢复去噪 53

4.1 常用的光谱恢复方法 53

4.1.1 理论基础 53

4.1.2 结果与讨论 55

4.2 基于拟线性局部加权法的光谱散射校正 59

4.2.1 理论基础 59

4.2.2 拟线性曲线与局部加权函数的选取 60

4.2.3 结果与讨论 62

4.3 基于粗糙惩罚法的光谱优化平滑模式 65

4.3.1 理论基础 65

4.3.2 粗糙惩罚法 67

4.3.3 端点信息修补 68

4.3.4 参数优化 69

4.3.5 光谱的D阶导数 69

4.3.6 结果与讨论 69

4.4 本章小结 74

第5章 煤炭光谱数据的筛选压缩 76

5.1 基于要点排序法的波长点向前选择 76

5.1.1 理论基础 76

5.1.2 要点排序法 77

5.1.3 特征光谱波长点的筛选过程 78

5.1.4 结果与讨论 79

5.2 基于优化组合法的谱区选择 86

5.2.1 基于谱区排序的向前选择法 86

5.2.2 基于遗传算法的谱区选择 86

5.2.3 结果与讨论 87

5.3 基于核主成分分析的光谱特征提取 94

5.3.1 理论基础 94

5.3.2 结果与讨论 95

5.4 基于局部多维尺度变换的光谱特征提取 101

5.4.1 多维尺度变换 101

5.4.2 局部多维尺度变换 102

5.4.3 结果与讨论 103

5.5 基于局部线性嵌入算法的光谱特征提取 104

5.5.1 理论基础 104

5.5.2 结果与讨论 105

5.6 本章小结 107

第6章 煤质近红外光谱定量分析模型 109

6.1 基于支持向量回归机的定量分析模型 109

6.1.1 理论基础 109

6.1.2 模型参数优化 111

6.1.3 结果与讨论 113

6.2 基于分层随机森林的煤质近红外光谱定量分析 116

6.2.1 分层抽样原理 117

6.2.2 基于互信息的分层随机森林模型 118

6.2.3 结果与讨论 118

6.3 基于集成神经网络方法的定量分析模型 121

6.3.1 理论基础 121

6.3.2 神经网络集成与参数优化 123

6.3.3 结果与讨论 125

6.4 待测样本集的预测与修正 131

6.4.1 待测样本集的预测 131

6.4.2 待测样本集的调整 135

6.5 本章小结 137

第7章 煤质近红外光谱定性分析模型 139

7.1 基于支持向量机的定性分析模型 139

7.1.1 理论基础 139

7.1.2 结果与讨论 140

7.2 基于学习向量量化神经网络的定性分析模型 141

7.2.1 基础理论 141

7.2.2 结果与讨论 143

7.3 基于决策树算法的定性分析模型 144

7.3.1 理论基础 144

7.3.2 结果与讨论 149

7.4 基于随机森林算法的定性分析方法 150

7.4.1 基础理论 150

7.4.2 结果与讨论 153

7.5 基于改进随机森林的煤质定性分析 154

7.5.1 理论基础 154

7.5.2 结果与讨论 155

7.6 近红外光谱煤产地鉴别系统 158

7.7 本章小结 159

参考文献 160

附录 169

为了充分利用煤炭资源，必须及时掌握煤质的变化规律。受测量方法和相关技术限制，传统的煤质分析技术已不能满足煤炭生产、加工和利用等过程的要求。煤质近红外光谱分析技术是一种新兴的煤质快速检测方法，可实现煤质全元素的快速在线分析。由于该技术是一种间接分析方法，预测结果的准确性主要依赖于建模数据及方法。鉴于此，针对煤样光谱数据存在的不稳定因素多、维数高、特征变异范围广等问题，本书基于机器学习方法，建立相应的煤质近红外光谱分析系统框架，并围绕影响其应用的四个关键问题展开研究，具体包括：建模样本优化筛选研究，煤样光谱数据的恢复处理研究，煤样光谱数据压缩处理研究，煤样光谱定性与定量分析方法研究。最后，据此构建煤质的快速在线分析模型并进行应用研究。书中所形成的研究成果，近红外光谱技术在煤质快速在线分析方面的应用，可大幅提高煤质近红外光谱分析模型的预测准确度，具有重要的理论意义和实际应用价值。

通常是指按照国家技术标准测定煤炭的基本物理、化学特性的分析项目，主要有工业分析、元素分析、灰成分分析，煤、煤粉和灰分性质的测定等。

煤质分析工业分析

包括对水分、挥发分、固定碳和灰分的测定，有时还包括硫分和发热量等项数据的测定。

煤质分析元素分析

测定煤中有机质的碳、氢、氧、氮和可燃硫等主要元素组分，以质量百分数表示，收到基中连同水分和灰分总和为100%。

煤质分析成分分析

煤中的水分和灰分含量常随开采、运输、贮存及气候条件而异，其他成分的含量也将随之发生变化，为了便于生产和科研，通常采用四种成分分析基准：①收到基：以收到状态的煤为基准的表示方法；②空气干燥基：以空气干燥状态的煤为基准的表示方法;③干燥基：以无水状态的煤为基准的表示方法;④干燥无灰基：以假想的干燥无灰状态的煤为基准的表示方法。

除水分和低位发热量以外，不同基准成分数值间的换算系数见表1。

煤质分析成分特性

灰分是由金属氧化物和非金属氧化物及其盐类组成的复杂物质，以SiO₂和Al₂O₃为主，还有Fe₂O₃、CaO、MgO、TiO₂、SO₃、Na₂O和K₂O等，以及一些Mn、V和Mo等元素的氧化物。

(1)灰成分测定：按工业分析条件灼烧煤样制得灰样，用NaOH溶融，沸水浸取，加HCl溶解，蒸发至近干，再制备试液。不同成分用不同方法测定，如，SiO₂用动物胶凝聚质量法，Fe₂O₃、Al₂O₃、CaO和MgO用EDTA容量法，Na₂O和K₂O用火焰光度法，P₂O₅用比色法等，还可以用原子吸收光谱法来测定除磷以外的其他灰成分。

(2)灰的熔融特性：通常称为灰熔点，煤灰没有固定的熔化温度，仅有一个熔化温度范围。中国和世界上大多数国家以角锥法作为标准测定方法，记录在半还原气氛中的三个特征温度：变形温度DT，即灰锥尖开始变圆或弯曲时的温度;软化温度ST，即灰锥体弯曲。

表1 不同基准成分数值间的换算系数

注： 表中M表示水分，A表示灰分。

到锥尖触及托板或锥体变成球形和高度不大于底长的半球时的温度；流动温度FT，即灰锥完全熔化或展成高度≤1.5 mm薄层时的温度，也称为熔化温度。有的国家用热显微镜观测柱体试样的熔融特征来确定其特征温度。

(3) 灰黏度： 表征灰在高温熔融状态下的流动特性，通常根据牛顿摩擦定律用钼丝扭矩式黏度计测定1750℃以下1～10 Pa·s范围内的熔体黏度。

煤质分析煤粉性质

煤是一种成分、结构非常复杂且极不均一，包括有机和无机化合物的混合物，以及无机物和有机质组成的金属有机络合物，其性质是多方面的，其中与燃烧关系较密切的有可磨系数、磨损指数、煤粉细度、密度、自由膨胀序数五项。

(1)可磨系数：表征煤被粉碎的难易程度，测定的依据是破碎定律，即在研磨煤粉时所消耗的能量与新产生的表面面积成正比。广泛采用的主要方法有哈德葛罗夫 (Hardgrove) 法与全俄热工研究所(ВТИ)法，其近似换算关系为：KВТИ=0. 0034(K) 0.61。

(2)磨损指数：表征煤在破碎过程中对金属研磨部件磨蚀的强烈程度，现多使用YGP (Yancey，Geerand Price)法来测定在规范条件下煤样对纯铁的磨损量。

(3)煤粉细度：煤粉是由各种尺寸不同(一般在1～500 μm)、形状不规则的颗粒所组成，其细度一般用标准筛来测定，以筛孔尺寸为x (μm) 的筛子筛后剩余量占粉样的百分数Rx(%)来表示。

(4)密度：煤的密度通常以不同的方式表示，有真密度、视密度和堆积密度之分。真密度是在20℃时，煤的质量与同温度、同体积(不包括煤内外表面孔隙)水的质量之比；视密度为在20℃时，煤的质量与同温度、同体积(包括煤内外表面孔隙)水的质量之比，又称为假密度；煤粉堆积密度是煤粉在自然堆积状态下的视密度。

(5)自由膨胀序数：表征煤的黏结特性，把煤按规定方法加热，所得焦块与一组标准焦块侧面图进行比较来确定的序号数。

又称非常规分析，是测定表征煤着火、燃尽、结渣和积灰等特性的专项分析。国际上已有基本定型的试验工艺，但尚未形成技术标准。特种分析是通过专门的试验装置、使用先进的仪器或对常规分析数据进行处理来实现的；当前主要有以下几种测定项目，即煤粉着火指数、热(重)分析、比表面积测定、热解化学动力学常数的测定、焦燃烧速率系数的测定、结渣倾向判别、沾污特性的判别。

煤粉着火指数： 着火温度不是煤所固有的物理化学参数，而是一个和试验规范有关的参数。通常取能使煤粉在试验炉膛中悬浮着火的最低温度为着火指数，用来比较煤粉着火的难易程度。

煤质分析热分析

在程序控制和缓慢升温下，测量煤样的质量随加热程度的变化，称为煤的热(重)分析，所用的仪器称为热天平。美国材料分析标准(ASTM)中有用热天平进行微量煤样工业分析的工艺；世界各国都在使用热天平对煤的燃烧特性进行试验研究，主要使用焦燃尽曲线、煤热解或燃烧曲线两类热分析曲线。

(1)焦燃尽曲线：用来比较固体燃料燃尽的难易程度，是以专项工艺制备焦样，在热天平中做等温热重分析来绘制的。

(2)煤热解和燃烧曲线：煤样在惰性气氛或含O₂气氛中热分析的微商热重曲线 。燃烧特性不同的煤，热解或燃烧曲线相差较大；燃烧特性相似的燃料，热解或燃烧曲线相近。中国倾向于在曲线上取“着火点”、“最大燃烧速度”、“燃尽时间”等特征点来比较煤的燃烧特性。

煤质分析表面积测定

在气固两相反应中，单位质量试样的表面积(包括内孔表面)——比表面积可作为直观反应活性的一种简单度量。煤是多孔物质，释放挥发分后的焦更是典型的多孔物质。通常以N₂在77K时的吸附量，用BET方程来给出煤样或焦样的比表面积，也有的以CO₂在298K时的吸附量，用Dubinin Polngi方程来给出试样的比表面积。也有用压汞法测得孔隙面积来表示比表面积。

煤质分析常数测定

煤在不同的热力工况下热解，释放的挥发分成分和数量亦不相同。对应于层式燃烧、流化床燃烧和煤粉悬浮燃烧的热力条件，煤的热解动力学参数可分别用热天平 (温升速率<102K/s)，居里点热裂解色谱法 (煤的温升速率约为103K/s)和管式沉降炉热解试验(煤的温升速率>10 K/s) 来测定。

居里点热裂解色谱法是高频磁场使铁磁丝迅速受热，涂在丝上的煤粉试样亦迅速升温，丝达到居里点后失磁恒温，载气将煤热解释放出的挥发分迅速冷却，并收集入贮气器，既可以测定热解失重率，也可用色谱仪检测热解气态成分的数量。

管式沉降炉热解试验是连续将煤粉试样供入高温管式电炉中，在沉降过程中随惰性载气将煤粉试样高速升温，快速热解，以水冷取样管将带粉气流迅速冷却，用在线气体分析仪检测挥发分某些成分的数量，并用取出的焦样由灰示踪法确定挥发分产率，进而可算出煤热解频率因子和活化能。

焦燃烧速率系数的测定

焦是指煤释放挥发分后的剩余物，其燃尽时间一般占煤燃尽时间的90%以上，其燃烧速率与煤在炉膛中的燃尽率关系较密切。焦在管式沉降炉的高温燃烧气氛中燃烧，水冷取样管将试样迅速冷却，不同温度、不同燃烧时刻的残存焦样，用灰示踪法即可得出燃尽率，进而可得出视在燃烧速率系数K_c=Acexp (—Ec/RT)中的频率因子Ac和活化能Ec，从而为计算煤在炉膛中的燃烧过程提供基础数据。

结渣倾向判别

结渣是指熔化了的灰沉积在受热面上，它与煤的灰渣特性、燃烧工况和壁面温度等多种因素有关。通常认为煤的结渣倾向与灰分的熔融性，流变特性(黏温特性)等有关，工业部门常使用的预测指标有软化温度判别指标、常用的结渣指数、煤粉重力筛分试验三种。

煤沾污特性的判别

沾污是指温度低于灰熔点的沉积物积沉在锅炉受热面上。通常用来判别煤灰沾污倾向的方法有沾污指数RF、重力筛分试验、弱酸溶碱试验、测定煤灰的烧结强度等四种。

本书从围岩参数反分析及本构模型反分析两个角度入手，进行了仿生计算机智能与地下工程反分析的融合研究，提出了大量新颖的反分析研究方法，最后，通过三个大型地下工程实例的应用证明了本书提出的主要反分析方法的工程实用性。