国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      用于推進(jìn)相關(guān)情況的煤質(zhì)量測(cè)量聲明的系統(tǒng)和方法

      文檔序號(hào):9308400閱讀:241來源:國知局
      用于推進(jìn)相關(guān)情況的煤質(zhì)量測(cè)量聲明的系統(tǒng)和方法
      【專利說明】
      [0001] 本申請(qǐng)要求2013年3月7日提交的美國臨時(shí)專利申請(qǐng)序列號(hào)61/773, 915、2013 年3月7日提交的美國臨時(shí)專利申請(qǐng)序列號(hào)61/773,932和2013年3月8日提交的美國臨 時(shí)專利申請(qǐng)序列號(hào)61/774, 805的優(yōu)先權(quán)及權(quán)益,通過引用其全部將所有三個(gè)專利申請(qǐng)并 入本文。
      技術(shù)領(lǐng)域
      [0002] 本發(fā)明涉及用于改進(jìn)測(cè)量煤質(zhì)量的系統(tǒng)和方法。更具體地,其涉及用于改進(jìn)在用 近紅外光譜學(xué)確定煤質(zhì)量中的基于回歸的方法的方法和系統(tǒng)。
      【背景技術(shù)】
      [0003] 知道諸如發(fā)熱量(heatan)或H20的濃度之類的煤的含量對(duì)能源工業(yè)極為重要,因 為更高效的控制和優(yōu)化策略可以因此應(yīng)用于鍋爐。直接測(cè)量這些量由于高成本而通常是價(jià) 格過高的。
      [0004] 相反地,使用由近紅外光譜學(xué)(NIR)產(chǎn)生的煤光譜不太昂貴并且更實(shí)際。然而,光 譜不直接提供期望的物理量的目標(biāo)值。通常采用以下過程。在作為訓(xùn)練階段的第一階段中, 從光譜學(xué)習(xí)到地面實(shí)況(groundtruth)目標(biāo)值的回歸函數(shù)。在作為材料測(cè)試(或?qū)崿F(xiàn))階 段的第二階段中,僅給出未知煤的光譜,并且所學(xué)習(xí)的回歸函數(shù)被應(yīng)用于預(yù)測(cè)目標(biāo)值。
      [0005] 學(xué)習(xí)該回歸函數(shù)出于若干原因是有挑戰(zhàn)性的。近紅外光譜學(xué)光譜通常包括來自數(shù) 千波長的讀數(shù)并且通常僅有限數(shù)目的地面實(shí)況目標(biāo)值是可用的,例如,由于測(cè)量這些值的 成本。同樣,確定超出有限數(shù)目的訓(xùn)練樣本的完整且廣延的光譜并不經(jīng)濟(jì)。此外,噪聲和其 它影響可能在測(cè)量結(jié)果中產(chǎn)生離群值,其使回歸模型的準(zhǔn)確性偏移。
      [0006] 應(yīng)用于確定煤質(zhì)量的當(dāng)前回歸模型并沒有充分解決這些問題。
      [0007] 因此,需要用于改進(jìn)利用近紅外光譜學(xué)的煤質(zhì)量測(cè)量的新穎且改進(jìn)的回歸方法和 系統(tǒng)。
      [0008] 下述參考文獻(xiàn)描述或說明了在基于回歸的建模中的當(dāng)前方法的方面,并通過引用 并入本文:
      [1]S.An,ff.Liu,和S.Venkatesh.Fastcross-validationalgorithmsfor leastsquaressupportvectormachineandkernelridgeregression.Pattern Recognition,40(8) :2154-2162,2007; [2]C.E.Rasmussen和C.K.I.Williams. GaussianProcessesforMachineLearning.MITPress, 2006; [3]RomanRosipal和 LeonardJ.Trejo.Kernelpartialleastsquaresregressioninreproducingkernel hilbertspace.JournalofMachineLearningResearch, 2:97-123, 2001; [4]B. Scholkopf,R.Herbrich,和A.J.Smola.Ageneralizedrepresentertheorem.在關(guān) 于計(jì)算學(xué)習(xí)理論的第十四屆年會(huì)的會(huì)議錄中,416-426頁,2001; [5]S.Wold,H.Rube, H.Wold,和lJ.DunnIII.Thecollinearityprobleminlinearregression,the partialleastsquares(pis)approachtogeneralizedinverse.SIAMJournalof ScientificandStatisticalComputations, 5:735-743, 1984;以及[3]T.Chen, 和J.Ren.BaggingforGaussianprocessregression.Neurocomputing, 72(7-9): 1605-1610, 2009〇

      【發(fā)明內(nèi)容】

      [0009] 根據(jù)本發(fā)明的各種方面,提供了用于推進(jìn)(boost)煤質(zhì)量測(cè)量的系統(tǒng)和方法。
      [0010] 根據(jù)本發(fā)明的另外的方面,提供了用于從由近紅外光譜學(xué)設(shè)備生成的數(shù)據(jù)來確定 材料的性質(zhì)的方法,包括:獲得與材料相關(guān)的基于波長的訓(xùn)練數(shù)據(jù),處理器使用基于波長的 訓(xùn)練數(shù)據(jù)來學(xué)習(xí)具有基于波長的核(kernel)參數(shù)的各向異性高斯核函數(shù),所述基于波長的 核參數(shù)由光滑函數(shù)在由至少一個(gè)參數(shù)確定的波長上定義,以及處理器將各向異性高斯核函 數(shù)應(yīng)用于由近紅外光譜學(xué)設(shè)備生成的材料的一個(gè)或多個(gè)樣本的基于波長的測(cè)試數(shù)據(jù)以確 定所述性質(zhì)。
      [0011] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中所述光滑函數(shù)是光滑高斯函 數(shù),并且所述至少一個(gè)參數(shù)是衰變參數(shù)。
      [0012] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中所述材料是煤。
      [0013] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中所述性質(zhì)是發(fā)熱量。
      [0014] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中由光滑高斯函數(shù)在波長上定 義的基于波長的核參數(shù)被表述為::於議: 引值是基于波長的參數(shù)L是基于波長的參數(shù)的最大值j是衰變參數(shù);是索 引值通h的波長;并且石是針對(duì)其的基于波長的參數(shù)達(dá)到最大值的波長值。
      [0015] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,還包括:處理器從訓(xùn)練數(shù)據(jù)學(xué)習(xí)用 于各向同性核的核嶺回歸;處理器確定正則化因子和:_丨:;處理器應(yīng)用針對(duì)0的初始化值 并確定4以及處理器確定針對(duì)0的操作值。
      [0016] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,還包括:處理器將核嶺回歸應(yīng)用于 基于波長的訓(xùn)練數(shù)據(jù)以確定第一多個(gè)目標(biāo)值;處理器從第一多個(gè)目標(biāo)值確定標(biāo)準(zhǔn)差;處理 器通過基于標(biāo)準(zhǔn)差而從基于波長的訓(xùn)練數(shù)據(jù)中移除至少一個(gè)訓(xùn)練數(shù)據(jù)集而標(biāo)識(shí)縮減的多 個(gè)訓(xùn)練數(shù)據(jù)集;以及處理器將核嶺回歸應(yīng)用于縮減的多個(gè)訓(xùn)練數(shù)據(jù)集以確定第二多個(gè)目標(biāo) 值。
      [0017] 根據(jù)本發(fā)明的另一方面,提供了用于重構(gòu)用近紅外光譜學(xué)設(shè)備獲得的與材料相關(guān) 的測(cè)試數(shù)據(jù)中的特征的方法,包括:在存儲(chǔ)器上存儲(chǔ)來自材料的近紅外光譜學(xué)訓(xùn)練數(shù)據(jù),包 括不重疊的第一特征集和第二特征集的數(shù)據(jù);用處理器創(chuàng)建預(yù)測(cè)性特征模型以通過使用訓(xùn) 練數(shù)據(jù)中的第一特征集和第二特征集來根據(jù)訓(xùn)練數(shù)據(jù)中的第一特征集而預(yù)測(cè)在訓(xùn)練數(shù)據(jù) 中的第二特征集中出現(xiàn)的特征;用近紅外光譜學(xué)設(shè)備而從材料獲得測(cè)試數(shù)據(jù),包括與第一 特征集相關(guān)的測(cè)試數(shù)據(jù);以及通過應(yīng)用預(yù)測(cè)性特征模型來預(yù)測(cè)與材料的測(cè)試數(shù)據(jù)相關(guān)的第 二特征集。
      [0018] 根據(jù)本發(fā)明的又一方面,提供了一種方法,還包括:將與測(cè)試數(shù)據(jù)相關(guān)的第一特征 集和預(yù)測(cè)的第二特征集相組合以創(chuàng)建用于材料的性質(zhì)的預(yù)測(cè)性模型。
      [0019] 根據(jù)本發(fā)明的又一方面,提供了一種方法,其中每個(gè)第一特征集與NIR光譜學(xué)中 的波長的第一范圍相關(guān),并且每個(gè)第二特征集與NIR光譜學(xué)中的波長的第二范圍相關(guān)。
      [0020] 根據(jù)本發(fā)明的又一方面,提供了一種方法,其中波長的第一范圍包括短于2300nm 的波長,并且波長的第二范圍包括大于2300nm的波長。
      [0021] 根據(jù)本發(fā)明的又一方面,提供了一種方法,其中所述預(yù)測(cè)性特征模型是基于多變 量統(tǒng)計(jì)方法的。
      [0022] 根據(jù)本發(fā)明的又一方面,提供了一種方法,其中所述多變量統(tǒng)計(jì)方法是核嶺回歸 方法。
      [0023] 根據(jù)本發(fā)明的又一方面,提供了一種方法,其中所述材料是煤,并且所述性質(zhì)是發(fā) 熱(calorific)值。
      [0024] 根據(jù)本發(fā)明的另外的方面,提供了用于利用由光譜學(xué)設(shè)備生成的數(shù)據(jù)確定材料的 性質(zhì)的方法,包括:處理器接收由光譜學(xué)設(shè)備生成的第一多個(gè)訓(xùn)練數(shù)據(jù)集;處理器從第一 多個(gè)訓(xùn)練數(shù)據(jù)集生成回歸模型以確定表示材料的性質(zhì)的第一多個(gè)目標(biāo)值;處理器從第一多 個(gè)目標(biāo)值確定標(biāo)準(zhǔn)差;處理器通過基于標(biāo)準(zhǔn)差而從第一多個(gè)訓(xùn)練數(shù)據(jù)集中移除至少一個(gè)訓(xùn) 練數(shù)據(jù)集而標(biāo)識(shí)第二多個(gè)訓(xùn)練數(shù)據(jù)集;以及處理器從第二多個(gè)訓(xùn)練數(shù)據(jù)集生成回歸模型以 確定第二多個(gè)目標(biāo)值。
      [0025] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,還包括:處理器從剩余的多個(gè)訓(xùn)練 數(shù)據(jù)集生成回歸模型以確定剩余的多個(gè)目標(biāo)值;處理器從剩余的多個(gè)目標(biāo)值確定新的標(biāo)準(zhǔn) 差;以及處理器基于新的標(biāo)準(zhǔn)差而確定剩余的多個(gè)訓(xùn)練數(shù)據(jù)集中的任何訓(xùn)練數(shù)據(jù)集是否應(yīng) 被移除。
      [0026] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中沒有任何訓(xùn)練數(shù)據(jù)集從剩余 的多個(gè)訓(xùn)練數(shù)據(jù)集中移除,并且基于剩余的多個(gè)訓(xùn)練數(shù)據(jù)集的回歸模型被處理器應(yīng)用于從 由光譜學(xué)設(shè)備生成的測(cè)試數(shù)據(jù)集而確定目標(biāo)值。
      [0027] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中所述材料是煤,并且所述光譜 學(xué)設(shè)備是近紅外光譜學(xué)設(shè)備。
      [0028] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中從第一多個(gè)訓(xùn)練數(shù)據(jù)集中移 除至少一個(gè)訓(xùn)練數(shù)據(jù)集是基于3O?范圍的。
      [0029] 根據(jù)本發(fā)明的還另外的方面,提供了一種方法,其中所述性質(zhì)是煤的發(fā)熱值。
      【附圖說明】
      [0030] 圖1圖示了根據(jù)本發(fā)明的方面的光譜。
      [0031] 圖2圖示了根據(jù)本發(fā)明的一個(gè)或多個(gè)方面的各種步驟。
      [0032] 圖3圖示了根據(jù)本發(fā)明的方面的光滑函數(shù)。
      [0033] 圖4圖示了根據(jù)本發(fā)明的一個(gè)或多個(gè)方面的各種步驟。
      [0034] 圖5圖示了根據(jù)本發(fā)明的各種方面的多個(gè)光譜。
      [0035] 圖6圖示了根據(jù)本發(fā)明的方面的經(jīng)重構(gòu)的光譜。
      [0036] 圖7圖示了根據(jù)本發(fā)明的各種方面的多個(gè)光譜。
      [0037] 圖8圖示了根據(jù)本發(fā)明的各種方面的離群值。
      [0038] 圖9圖示了根據(jù)本發(fā)明的一個(gè)或多個(gè)方面的各種步驟。
      [0039] 圖10A-10F圖示了根據(jù)本發(fā)明的一個(gè)或多個(gè)方面的訓(xùn)練數(shù)據(jù)的修剪。
      [0040] 圖11圖示了根據(jù)本發(fā)明的一個(gè)或多個(gè)方面的基于處理器的系統(tǒng)。
      【具體實(shí)施方式】
      [0041] 本文提供了根據(jù)本發(fā)明的各種方面的方法和基于處理器的系統(tǒng)以改進(jìn)利用近紅 外光譜學(xué)(NIR)設(shè)備和方法的根據(jù)樣本對(duì)煤質(zhì)量的確定。
      [0042] 諸如水含量或發(fā)熱量含量(=煤的發(fā)熱熱值)之類的煤質(zhì)量度量是利用通常在地面 實(shí)況數(shù)據(jù)上訓(xùn)練的回歸模型從NIR光譜得出的性質(zhì)。
      [0043]
      當(dāng)前第1頁1 2 3 4 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1