一种基于煤工业分析数据的煤种预测方法和系统与流程
本发明涉及煤炭智能检测的,特别是涉及一种基于煤工业分析数据的煤种预测方法和系统。
背景技术:
1、我国对不同煤种的进出口煤炭实行差异化关税政策,比如在最惠国税率体系下,无烟煤、炼焦煤和褐煤关税税率为3%,其他煤关税税率为5%,其他烟煤关税税率为6%。
2、根据《中华人民共和国进出口税则》《hs/t 80-2023煤炭化验规程》《gb/t 397-2022商品煤质量 炼焦用煤》《gb/t 5751-2009中国煤炭分类》等规定,依据“挥发物(以干燥、无矿物质计)”、“热值(以潮湿、无矿物质计)”、“干燥无灰基挥发分”、“透光率”、“恒湿无灰基高位发热量”、“黏结指数”等指标的测定结果,可将进出口煤炭归类为无烟煤、其他烟煤、炼焦煤、其他煤和褐煤。
3、而煤炭工业分析(水分、灰分、挥发分、全硫、发热量)是煤炭检测的常规基础项目,对应的检测技术与设备已高度成熟,可通过在线、离线多种方式快速、批量获取精准数据,检测成本低、效率高、普及性广。但目前行业内尚未形成基于常规工业分析数据快速精准预测进出口煤炭煤种的成熟技术方案,有必要对煤炭工业分析数据进行资源整合与价值挖掘,推动人工智能、大数据等先进技术在煤种预测领域的深度应用。
技术实现思路
1、本发明主要解决的技术问题是提供一种基于煤工业分析数据的煤种预测方法和系统,实现进出口煤炭煤种的快速、精准、智能化分类预测,大幅提升煤炭进出口归类效率,降低检测成本,适配进出口煤炭的煤种快速筛查、货物合规申报、风险监测与评估、海关进出口煤炭监管多场景应用。
2、为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于煤工业分析数据的煤种预测方法,包括以下步骤:
3、s1、样品筛选:选取若干煤炭样品构建样品集,样品总数量至少150个,且每个煤种的样品数量至少15个,所述煤炭样品的煤种包括无烟煤、炼焦煤、其他烟煤、其他煤和褐煤;
4、s2、工业分析数据检测:按照国家现行煤炭检测标准对所有煤炭样品进行检测,获取各样品的工业分析基础数据,所述工业分析数据至少包括水分、灰分、挥发分、全硫、发热量五类核心检测参数;
5、s3、煤种确定:依据《中华人民共和国进出口税则》及进出口煤炭归类的标准方法,检测并获取所有煤炭样品的煤种归类特征指标的检测数据,确定各样品的煤种;
6、s4、数据集划分:将完成数据检测与煤种确定的煤炭样品随机划分为训练集和测试集,训练集样品数量至少100个,测试集样品数量至少50个,五类煤种的样品数量占比均不低于10%,保证数据集分布均衡,避免模型过拟合、欠拟合问题;
7、s5、模型训练与优化:采用机器学习算法,以训练集的工业分析数据为输入特征、以煤种为输出标签,构建煤炭工业分析数据与煤种的关联预测模型,通过测试集对初始模型进行多轮迭代验证、参数调优,最终使模型对测试集样品的煤种预测准确率不低于95%;
8、s6、煤种智能化预测:获取待测进出口煤炭样品的工业分析数据,对数据进行标准化预处理后,输入优化完成的关联预测模型,模型自动运算并精准输出待测煤炭的煤种,完成煤种预测。
9、在本发明一个较佳实施例中,步骤s2中,所述工业分析数据的检测使用gb/t 212、gb/t 213、gb/t 214、gb/t 30732国家标准方法中的至少一项。
10、在本发明一个较佳实施例中,步骤s3中,所述煤种归类特征指标包括干燥无矿物质计的挥发物、潮湿无矿物质计的热值、干燥无灰基挥发分、黏结指数、透光率、恒湿无灰基高位发热量。
11、在本发明一个较佳实施例中,步骤s3中,所述煤种归类特征指标的检测使用astmd388、gb/t 212、gb/t 213、gb/t 2566、gb/t 5751、gb/t 5447标准方法中的至少一项。
12、在本发明一个较佳实施例中,步骤s5中,所述机器学习算法包括但不限于随机森林、支持向量机、bp神经网络、卷积神经网络、xgboost、k近邻、lightgbm中的任意一种或多种组合。
13、一种基于煤工业分析数据的煤种预测系统,用于实现基于煤工业分析数据的煤种预测方法,包括数据采集模块、数据预处理模块、模型存储模块、智能预测模块、结果输出模块,所述各模块协同工作,实现进出口煤炭煤种的自动化、快速化、高精度预测。
14、在本发明一个较佳实施例中,所述数据采集模块,可通过在线对接检测设备、在线对接信息系统或离线手动录入方式,采集待测煤炭样品的水分、灰分、挥发分、全硫、发热量工业分析数据;
15、所述数据预处理模块,用于对采集的原始工业分析数据进行清洗、去噪、标准化、归一化预处理,剔除异常数据、补全缺失数据,统一数据格式与量纲,适配预测模型输入标准;
16、所述模型存储模块,用于固化、存储、备份及迭代更新训练完成且预测准确率不低于95%的煤炭工业分析数据与煤种的关联预测模型;
17、所述智能预测模块,为系统核心运算单元,用于调用模型存储模块中的关联预测模型,将预处理后的工业分析数据作为输入,完成煤种智能识别与预测运算;
18、所述结果输出模块,用于可视化展示待测煤炭的煤种,支持数据本地存储、报表导出、全程溯源,适配进出口煤炭的煤种快速筛查、货物合规申报、风险监测与评估、海关进出口煤炭监管等多场景应用。
19、本发明的有益效果是:本发明基于即时可得的工业分析数据结合机器学习模型实现秒级预测,极大缩短煤种鉴定周期,可高效适配进出口煤炭的煤种快速筛查、货物合规申报、风险监测与评估、海关进出口煤炭监管多业务场景,通过配比均衡、覆盖全面的样品数据集完成模型训练,经测试集验证模型预测准确率不低于95%,可满足进出口煤炭的煤种快速筛查、货物合规申报、风险监测与评估、海关监管的精度要求。搭建一体化智能预测系统,实现工业分析数据录入、预处理、煤种预测、结果输出全流程自动化,无需人工干预,操作简便,具有较强的应用性,可供煤炭进出口企业、海关部门、第三方检验检测机构使用。
1.一种基于煤工业分析数据的煤种预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的基于煤工业分析数据的煤种预测方法,其特征在于,步骤s2中,所述工业分析数据的检测使用gb/t 212、gb/t 213、gb/t 214、gb/t 30732国家标准方法中的至少一项。
3.根据权利要求1所述的基于煤工业分析数据的煤种预测方法,其特征在于,步骤s3中,所述煤种归类特征指标包括干燥无矿物质计的挥发物、潮湿无矿物质计的热值、干燥无灰基挥发分、黏结指数、透光率、恒湿无灰基高位发热量。
4.根据权利要求1所述的基于煤工业分析数据的煤种预测方法,其特征在于,步骤s3中,所述煤种归类特征指标的检测使用astm d388、gb/t 212、gb/t 213、gb/t 2566、gb/t5751、gb/t 5447标准方法中的至少一项。
5.根据权利要求1所述的基于煤工业分析数据的煤种预测方法,其特征在于,步骤s5中,所述机器学习算法包括但不限于随机森林、支持向量机、bp神经网络、卷积神经网络、xgboost、k近邻、lightgbm中的任意一种或多种组合。
6.一种基于煤工业分析数据的煤种预测系统,其特征在于,用于实现权利要求1-5任一项所述的基于煤工业分析数据的煤种预测方法,包括数据采集模块、数据预处理模块、模型存储模块、智能预测模块、结果输出模块,所述各模块协同工作,实现进出口煤炭煤种的自动化、快速化、高精度预测。
7.根据权利要求6所述的基于煤工业分析数据的煤种预测系统,其特征在于,所述数据采集模块,可通过在线对接检测设备、在线对接信息系统或离线手动录入方式,采集待测煤炭样品的水分、灰分、挥发分、全硫、发热量工业分析数据;
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com